OpenCVを使用したPythonでのHOGトレーニングと検出

Question

Python、OpenCV 3.1、HOGを使用した有用な検出に問題があります。私はエラーなしで実行する作業コードを持っていますが、訓練されたHOG/SVMの組み合わせはテストイメージで検出できません。

OpenCVの例と他のスタックオーバーフローの議論から私は以下のアプローチを開発しました。すべての試験において

win_size = (64, 64) 
block_size = (16, 16) 
block_stride = (8, 8) 
cell_size = (8, 8) 
nbins = 9 
deriv_aperture = 1 
win_sigma = 4. 
histogram_norm_type = 0 
l2_hys_threshold = 2.0000000000000001e-01 
gamma_correction = 0 
nlevels = 64 

hog = cv2.HOGDescriptor(win_size, 
         block_size, 
         block_stride, 
         cell_size, 
         nbins, 
         deriv_aperture, 
         win_sigma, 
         histogram_norm_type, 
         l2_hys_threshold, 
         gamma_correction, 
         nlevels) 

window_stride = (8, 8) 
padding = (8, 8) 
locations = ((0, 0),) 

histograms = [] 
# not showing the loop here but 
# create histograms for 600 positive and 600 negative images 
# all images are of size 64x64 
histograms.append(np.transpose(hog.compute(roi, window_stride, padding, locations))) 

training_data = np.concatenate(histograms) 
classifications = np.array([1] * 600 + [0] * 600) 

svm = cv2.ml.SVM_create() 
svm.setType(cv2.ml.SVM_C_SVC) 
svm.setKernel(cv2.ml.SVM_LINEAR) 
svm.setC(0.01) 
svm.setTermCriteria((cv2.TermCriteria_MAX_ITER, 100, 1e-6)) 

svm.train(training_data, cv2.ml.ROW_SAMPLE, classifications) 

# testing 
test_img = cv2.imread('test_image.jpg') 
svmvec = svm.getSupportVectors()[0] 
rho = -svm.getDecisionFunction(0)[0] 
svmvec = np.append(svmvec, rho) 
hog.setSVMDetector(svmvec) 
found, w = hog.detectMultiScale(test_img) 

、foundは画像の中心に単一の矩形であり、正のテスト画像のどこにあるかに配置されていません。

Stack Overflowの回答と他のOpenCVのサンプルとディスカッションに基づいて、さまざまな組み合わせのパラメータを試しました。彼らの誰も結果を変更しません。

Answer 1

私はあなたが持っているすべてのサポートベクターが必要だと思います。問題はあなたのトレーニングコードではないので、あなたのテストです。

svm.train(training_data, cv2.ml.ROW_SAMPLE, classifications) 

あなたはあなたが持っているすべてのデータを使ってトレーニングを行いますが、テストになると、結果として得られる分級器のほんの一部しか使用しません。

svmvec = svm.getSupportVectors()[0] 

この行を変更すると、問題が少なくなります。

Answer 2

中央に単一矩形が作成されるのは、検出器がほとんどすべての領域を「人間」として分類したためです。 デフォルトでは、detectMultiScaleは長方形の重なりを抑制します。だから、中央の単一の矩形だけを見ることができます。 detectMultiScaleのfinalThresholdオプションを使用して、この抑制をオフにすることができます。デフォルトでは

hogParams = { 'finalThreshold': 0} 
found, w = hog.detectMultiScale(test_img, **hogParams) 

、このパラメータは、あなたは、ほぼすべての領域は、四角形の色によって満たされている見ることができます。2. に設定されています。

この「誤分類」に対する私の答えは、ラベルの順序の単純な変更です。

classifications = np.array([0] * 600 + [1] * 600)