Posted By 曾 成訓 on 2 月 12, 2020 in Edge AI開發地圖, 影像處理, 教學文 | 1 comment

OpenCV 使用的 Object detection 技術稱為 Cascade Classifier for Object Detection ，是一種屬於 boosted cascade of weak classifiers 的方法，也就是將數個弱分類器串聯起來再得出最佳的分類結果。其實最早整合到 OpenCV 並支援的分類特徵是哈爾特徵（Haar-like features），後來加入了 LBP （ Local Binary Pattern）以及 HOG（ Histogram Of Gradient），不過可惜的是 HOG 在 3.x 後由於某些技術問題被取消了。

Boosting 的中心思想在於「三個臭皮匠勝過一個諸葛亮」，主要是將大量的弱分類器（分類效果僅比隨機好一點）逐步訓練成一個較強的分類器，透過對每個弱分類器分類錯誤的部份持續投入學習，最後形成一個超強的分類器。

舉例來說，我們熟知的 Spam mails 檢測，就是一種 Boosting 的概念，拆開，每一條 spam check rule 都是弱分類器，僅對一小部份的垃圾郵件有效，但是把數以百計的 rules 串連起來，便能打造一個滴水不漏的垃圾郵件防堵系統！

在機器學習中，有很多分類器便應用了 Boosting 的方法，例如 AdaBoost（Adaptive Boosting）、Gradient Tree Boosting、XGBoost 等， 而 OpenCV 內建的 Cascade Classifier for Object Detection，正是應用了AdaBoost。

新版 OpenCV 對於 Cascade Classifier 的支援

可惜的是，OpenCV 4.x 版後不再支援 Cascade Classifier 的訓練，因此目前在 4.x 版的 OpenCV 程式碼中，無法看見諸如 opencv_createsamples、opencv_traincascade 等程式，官方的說法是近幾年流行的 ML、DL 效果更佳，鑒於使用者日少，決定不再包入相關的訓練程式在原始碼中。

不過事實上目前還是有相當多的使用者對於 cascade classifier 有強烈的需求，因為它使用方便、偵測速度快，常讓人包容誤報率高和訓練複雜的缺點，因此有耳聞官方可能會在下一版本的 OpenCV 中再度支援。

訓練貓臉偵測器

我撰寫了一套工具程式可快速方便地進行 Cascade Classifier 的訓練，以下以貓臉偵測示範如何使用這個工具製作自己的 Cascade Classifier。

• 搜集相片及標記

1. 先從網路上下載一些貓的相片，本例中我下載了 126 張。

（圖片來源：曾成訓提供）

2. 使用 labelImg 進行標記：由於貓臉區域不像人臉那麼明確，因此在框選時我選擇從兩眼外側（不包含耳朵）開始直到下巴的區域。