用于目标检测的级联分类器类。更多…

#include <opencv2/objdetect.hpp>

cv::CascadeClassifier 的协作图

公有成员函数
	CascadeClassifier ()

	CascadeClassifier (const String &filename)
	从文件中加载分类器。

	~CascadeClassifier ()

void	detectMultiScale (InputArray image, std::vector< Rect > &objects, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())
	检测输入图像中不同大小的目标。检测到的目标作为矩形列表返回。

void	detectMultiScale (InputArray image, std::vector< Rect > &objects, std::vector< int > &numDetections, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size())

void	detectMultiScale (InputArray image, std::vector< Rect > &objects, std::vector< int > &rejectLevels, std::vector< double > &levelWeights, double scaleFactor=1.1, int minNeighbors=3, int flags=0, Size minSize=Size(), Size maxSize=Size(), bool outputRejectLevels=false)

bool	empty () const
	检查分类器是否已加载。

int	getFeatureType () const

Ptr< BaseCascadeClassifier::MaskGenerator >	getMaskGenerator ()

void *	getOldCascade ()

Size	getOriginalWindowSize () const

bool	isOldFormatCascade () const

bool	load (const String &filename)
	从文件中加载分类器。

bool	read (const FileNode &node)
	从 FileStorage 节点读取分类器。

void	setMaskGenerator (const Ptr< BaseCascadeClassifier::MaskGenerator > &maskGenerator)

静态公有成员函数
static bool	convert (const String &oldcascade, const String &newcascade)

公有属性
Ptr< BaseCascadeClassifier >	cc

详细描述

用于目标检测的级联分类器类。

示例: samples/cpp/facedetect.cpp.

构造函数和析构函数文档

◆ CascadeClassifier() [1/2]

cv::CascadeClassifier::CascadeClassifier ( )

Python
	cv.CascadeClassifier(		) ->	<CascadeClassifier 对象>
	cv.CascadeClassifier(	filename	) ->	<CascadeClassifier 对象>

◆ CascadeClassifier() [2/2]

cv::CascadeClassifier::CascadeClassifier ( const String & filename )

Python
	cv.CascadeClassifier(		) ->	<CascadeClassifier 对象>
	cv.CascadeClassifier(	filename	) ->	<CascadeClassifier 对象>

从文件中加载分类器。

参数

filename 加载分类器的文件名。

◆ ~CascadeClassifier()

cv::CascadeClassifier::~CascadeClassifier ( )

成员函数文档

◆ convert()

static bool cv::CascadeClassifier::convert	(	const String &	oldcascade,
		const String &	newcascade )

static

Python
	cv.CascadeClassifier.convert(	oldcascade, newcascade	) ->	retval
	cv.CascadeClassifier_convert(	oldcascade, newcascade	) ->	retval

◆ detectMultiScale() [1/3]

void cv::CascadeClassifier::detectMultiScale	(	InputArray	image,
		std::vector< Rect > &	objects,
		double	scaleFactor = 1.1,
		int	minNeighbors = 3,
		int	flags = 0,
		Size	minSize = Size(),
		Size	maxSize = Size() )


cv.CascadeClassifier.detectMultiScale(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]	) ->	objects
cv.CascadeClassifier.detectMultiScale2(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]	) ->	objects, numDetections
cv.CascadeClassifier.detectMultiScale3(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize[, outputRejectLevels]]]]]]	) ->	objects, rejectLevels, levelWeights

检测输入图像中不同大小的目标。检测到的目标作为矩形列表返回。

参数

image	类型为 CV_8U 的矩阵，包含检测到目标的图像。
objects	矩形向量，每个矩形包含检测到的目标，矩形可能部分位于原始图像之外。
scaleFactor	指定每次图像缩放时图像大小缩减多少的参数。
minNeighbors	指定每个候选矩形应有多少个邻居才能保留它的参数。
flags	对于旧级联，此参数与函数 cvHaarDetectObjects 中的含义相同。对于新级联，它不用于。
minSize	最小可能的目标大小。小于此大小的目标将被忽略。
maxSize	最大可能的目标大小。大于此大小的目标将被忽略。如果 `maxSize == minSize`，则模型将在单一尺度上进行评估。

示例: samples/cpp/facedetect.cpp.

◆ detectMultiScale() [2/3]

void cv::CascadeClassifier::detectMultiScale	(	InputArray	image,
		std::vector< Rect > &	objects,
		std::vector< int > &	numDetections,
		double	scaleFactor = 1.1,
		int	minNeighbors = 3,
		int	flags = 0,
		Size	minSize = Size(),
		Size	maxSize = Size() )


cv.CascadeClassifier.detectMultiScale(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]	) ->	objects
cv.CascadeClassifier.detectMultiScale2(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]	) ->	objects, numDetections
cv.CascadeClassifier.detectMultiScale3(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize[, outputRejectLevels]]]]]]	) ->	objects, rejectLevels, levelWeights

这是一个重载的成员函数，为了方便提供。它与上述函数的区别仅在于它接受的参数。

参数

image	类型为 CV_8U 的矩阵，包含检测到目标的图像。
objects	矩形向量，每个矩形包含检测到的目标，矩形可能部分位于原始图像之外。
numDetections	对应目标的检测数量向量。目标的检测数量是组合在一起形成目标的相邻正分类矩形的数量。
scaleFactor	指定每次图像缩放时图像大小缩减多少的参数。
minNeighbors	指定每个候选矩形应有多少个邻居才能保留它的参数。
flags	对于旧级联，此参数与函数 cvHaarDetectObjects 中的含义相同。对于新级联，它不用于。
minSize	最小可能的目标大小。小于此大小的目标将被忽略。
maxSize	最大可能的目标大小。大于此大小的目标将被忽略。如果 `maxSize == minSize`，则模型将在单一尺度上进行评估。

◆ detectMultiScale() [3/3]

void cv::CascadeClassifier::detectMultiScale	(	InputArray	image,
		std::vector< Rect > &	objects,
		std::vector< int > &	rejectLevels,
		std::vector< double > &	levelWeights,
		double	scaleFactor = 1.1,
		int	minNeighbors = 3,
		int	flags = 0,
		Size	minSize = Size(),
		Size	maxSize = Size(),
		bool	outputRejectLevels = false )


cv.CascadeClassifier.detectMultiScale(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]	) ->	objects
cv.CascadeClassifier.detectMultiScale2(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize]]]]]	) ->	objects, numDetections
cv.CascadeClassifier.detectMultiScale3(	image[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize[, outputRejectLevels]]]]]]	) ->	objects, rejectLevels, levelWeights

这是一个重载的成员函数，为了方便提供。它与上述函数的区别仅在于它接受的参数。此函数允许您检索最终阶段分类决策的确定性。为此，需要将outputRejectLevels设置为true并提供rejectLevels和levelWeights参数。对于每个生成的检测，levelWeights将包含最终阶段分类的确定性。然后，可以使用此值将强分类与较弱分类区分开来。

下面是一个关于如何有效使用它的代码示例

Mat img;
vector<double> weights;
vector<int> levels;
vector<Rect> detections;
CascadeClassifier model("/path/to/your/model.xml");
model.detectMultiScale(img, detections, levels, weights, 1.1, 3, 0, Size(), Size(), true);
cerr << "Detection " << detections[0] << " with weight " << weights[0] << endl;

◆ empty()

bool cv::CascadeClassifier::empty ( ) const

Python
	cv.CascadeClassifier.empty(		) ->	retval

检查分类器是否已加载。

示例: samples/cpp/facedetect.cpp.

◆ getFeatureType()

int cv::CascadeClassifier::getFeatureType ( ) const

Python
	cv.CascadeClassifier.getFeatureType(		) ->	retval

◆ getMaskGenerator()

Ptr< BaseCascadeClassifier::MaskGenerator > cv::CascadeClassifier::getMaskGenerator ( )

◆ getOldCascade()

void * cv::CascadeClassifier::getOldCascade ( )

◆ getOriginalWindowSize()

Size cv::CascadeClassifier::getOriginalWindowSize ( ) const

Python
	cv.CascadeClassifier.getOriginalWindowSize(		) ->	retval

◆ isOldFormatCascade()

bool cv::CascadeClassifier::isOldFormatCascade ( ) const

Python
	cv.CascadeClassifier.isOldFormatCascade(		) ->	retval

◆ load()

bool cv::CascadeClassifier::load ( const String & filename )

Python
	cv.CascadeClassifier.load(	filename	) ->	retval

从文件中加载分类器。

参数

filename 加载分类器的文件名称。该文件可能包含由 haartraining 应用程序训练的旧 HAAR 分类器或由 traincascade 应用程序训练的新级联分类器。

示例: samples/cpp/facedetect.cpp.

◆ read()

bool cv::CascadeClassifier::read ( const FileNode & node )

Python
	cv.CascadeClassifier.read(	node	) ->	retval

从 FileStorage 节点读取分类器。

注意: 该文件可能只包含新的级联分类器（由 traincascade 应用程序训练）。

◆ setMaskGenerator()

void cv::CascadeClassifier::setMaskGenerator ( const Ptr< BaseCascadeClassifier::MaskGenerator > & maskGenerator )

成员数据文档

◆ cc

Ptr<BaseCascadeClassifier> cv::CascadeClassifier::cc

此类的文档是从以下文件生成的

opencv2/objdetect.hpp

公有成员函数

静态公有成员函数

公有属性

详细描述

构造函数和析构函数文档

◆ CascadeClassifier() [1/2]

◆ CascadeClassifier() [2/2]

◆ ~CascadeClassifier()

成员函数文档

◆ convert()

◆ detectMultiScale() [1/3]

◆ detectMultiScale() [2/3]

◆ detectMultiScale() [3/3]

◆ empty()

◆ getFeatureType()

◆ getMaskGenerator()

◆ getOldCascade()

◆ getOriginalWindowSize()

◆ isOldFormatCascade()

◆ load()

◆ read()

◆ setMaskGenerator()

成员数据文档

◆ cc