Есть ли способ получить измерение уровня достоверности при использовании определения лица с помощью OpenCV?

Question

Я разработал приложение для обнаружения лица с использованием обнаружения каскадных поверхностей OpenCVs HAAR. Алгоритм работает отлично, однако каждый раз в то время он находит узоры на стене или предметы, которые не являются лицами.
Я хочу выполнить дополнительные проверки объекта, подозреваемого в качестве лиц, но я хочу сделать это только на объектах, на которых я не уверен, что они лица. Есть ли способ получить «доверительный» уровень для лица, обнаруженного с помощью обнаружения каскадного сигнала HAAR?

Answer 1

OpenCV фактически находит несколько результатов для любого конкретного объекта, причем каждая обнаруженная область в основном перекрывает друг друга; Затем они группируются вместе и образуют число «числа соседей». Этот счет - так называемая уверенность.

Когда вы выполняете обнаружение объекта, один из параметров - это минимальные соседи перед возвратом удара. Увеличение его уменьшает ложные срабатывания, но также уменьшает количество возможных обнаруженных лиц.

Answer 2

Почему бы не запустить несколько каскадов хара (обученных по-другому) против одного и того же изображения и посмотреть, производят ли они аналогичные результаты? Пусть они голосуют. Таким образом, если бы только один каскад нашел данное лицо и других, это не дало бы вам меньше доверия к этому лицу.

Я смог запустить 3 каскада одновременно на iPhone-канале iPhone в режиме реального времени, поэтому производительность не должна быть проблемой во многих нормальных сценариях. Подробнее здесь: http://rwoodley.org/?p=417

Answer 3

OpenCV обеспечивает доверие с помощью аргумента «весов» в функции «detectMultiScale» из класса CascadeClassifier, вам нужно поставить флаг «outputRejectLevels» истинной

Answer 4

не прямой ответ на ваш вопрос , но это может помочь в уменьшении ложного обнаружения.

Вы можете получить менее ложное обнаружение путем настройки MinNeibhbours, CV_HAAR_FIND_BIGGEST_OBJECT и значений размера.

int MinNeighbours = 7;

face_cascade.detectMultiScale (frame_gray, faces, 1.1, MinNeighbours, CV_HAAR_FIND_BIGGEST_OBJECT, размер (60, 60));