Предикат OpenCV () против детектирования MultiScale ()

Я работаю над определением лица, пола и возраста с использованием OpenCV. У меня есть куча изображений, которые я использую для обучения моделей, в настоящее время у меня есть следующее:

Ptr<cv::face::FaceRecognizer> model = cv::face::LBPHFaceRecognizer::create(9, 9);
std::vector<int> labels;
std::vector<std::string> imageFileNames;

for (int currImageIndex = 0; currImageIndex < imageFileNames.size(); currImageIndex++)
{
cv::Mat currMatrix;
std::string currentFileName = imageFileNames[currImageIndex];
std::string gender;
int currID = -1;

//Save the image and the corresponding ID to the list(s).
currMatrix = imread(currentFileName , CV_LOAD_IMAGE_GRAYSCALE);
if (currMatrix.data != NULL)
{
images.push_back(currMatrix);
labels.push_back(currID);
}
}

model->train(images, labels);
model->write("C:\\temp.xml");

Затем с помощью temp.xml Эвристический, я предсказываю гендер как:

gendermodel->predict(currMat, predictedLabel, conf);

Однако наткнулся эта реализация с помощью detectMultiScale() и "Cascade Classifier", Какая разница? Есть ли преимущество в производительности при использовании Cascade Classifier против того, как я сейчас это делаю? Есть ли detectMultiScale() работать лучше, чем predict()?

1

Решение

CascadeClassifier::detectMultiScale функция используется для объекта обнаружение. Возвращает переменную типа std::vector<cv::Rect> который содержит ограничивающие прямоугольники обнаруженных объектов.

FaceRecognizer::predict функция используется для объекта классификация. Он возвращает метку класса входного изображения и достоверность, с которой прогнозируется объект.

2

Другие решения

Других решений пока нет …

По вопросам рекламы [email protected]