如何使用Python和OpenCV获取detectMultiscale的置信度水平？

Question

我正在使用训练好的OpenCV级联分类器在视频帧中检测手部，并想降低误报率。在网上查阅资料时，我看到可以通过访问detectMultiScale方法返回的rejectLevels和levelWeights信息来实现。我在这里看到，C++中可以实现这一点，我的问题是：有人成功在Python中实现了吗？一个类似的问题被问到这里，但是那是早期版本的检测方法。

如果可能，正确的语法是什么？如果您成功了，请提及您正在使用的OpenCV版本。我使用的是2.4.9版本。 2.4.11 API 给出以下语法。

Python: cv2.CascadeClassifier.detectMultiScale(image, rejectLevels, levelWeights[, scaleFactor[, minNeighbors[, flags[, minSize[, maxSize[, outputRejectLevels]]]]]]) 

因此，我尝试过

import cv2
import cv2.cv as cv
import time
hand_cascade = cv2.CascadeClassifier('cascade.xml')
img = cv2.imread('test.jpg')

rejectLevels = []
levelWeights = []
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = hand_cascade.detectMultiScale(gray,rejectLevels,levelWeights, 1.1, 5,cv.CV_HAAR_FIND_BIGGEST_OBJECT,(30, 30),(100,100),True)

但我得到的输出是

[[259 101  43  43]
 [354 217  43  43]
 [240 189  43  43]
 [316 182  47  47]
 [277 139  92  92]]
[]
[]

感谢您的帮助，

Ronen

- RonenKi

Answer 1

对于任何使用OpenCV 3.0的人来说，如果您在使用python API时遇到问题，请注意级联分类器上有三种方法：detectMultiScale，detectMultiScale2和detectMultiScale3。使用第三种方法，我能够获得看起来像是置信度/权重的东西。

faces = faceCascade.detectMultiScale3(
    gray,
    scaleFactor=1.1,
    minNeighbors=5,
    minSize=(30, 30),
    flags = cv2.CASCADE_SCALE_IMAGE,
    outputRejectLevels = True
)
rects = faces[0]
neighbours = faces[1]
weights = faces[2]

weights[i] 看起来匹配了由 rects[i] 定义的人脸的置信度。 neighbours[i] 是当前矩形邻域中匹配数量。

- ferrouswheel

---

detectMultiScale3 对我没用。detectMultiScale2 返回强度（或置信度）作为第二个变量。 - thecheech

对我来说，weights 是一个二维数组，所以 confidence = weights[i, 0]。 - mins

Answer 2

除了黑客攻击C++，看起来似乎没有任何方法可以获取实际的rejectLevels和levelWeights。

- Jared Forsyth