【opencv】比较OpenCV中4个haar特征训练的级联分类器

一.简介  

  OpenCV下的data\haarcascades中有4个haar特征训练的级联分类器：

        haarcascade_frontalface_alt.xml

        haarcascade_frontalface_alt_tree.xml

        haarcascade_frontalface_alt2.xml

        haarcascade_frontalface_default.xml

它们之间的区别如下：

1：haarcascade_frontalface_alt.xml

Stump-based 20x20 gentle adaboost frontal face detector.

2：haarcascade_frontalface_alt2.xml

Tree-based 20x20 gentle adaboost frontal face detector.

3：haarcascade_frontalface_alt_tree.xml

Stump-based 20x20 gentle adaboost frontal face detector.

This detector uses tree of stage classifiers instead of a cascade。（该检测器使用阶段分类器树代替级联）

4：haarcascade_frontalface_default.xml

Stump-based 24x24 discrete(?) adaboost frontal face detector.

二、实例测验

    实验原图：科学家大合照（共29人）

（1）模型 haarcascade_frontalface_alt1.xml

运行结果：检测出26人，漏检3人，用时2252ms (不计算加载模型的时间）。

（2）模型 haarcascade_frontalface_alt2.xml

运行结果：检测出27人，漏检2人，用时2494ms (不计算加载模型的时间）。

（3）模型 haarcascade_frontalface_alt_tree.xml

运行结果：检测出13人，漏检16人，用时1924ms (不计算加载模型的时间）。

（4）模型 haarcascade_frontalface_default.xml

运行结果：检测出29人，漏检1人，误检测1人，用时2407ms (不计算加载模型的时间）。

将本实验的图片又换成其他人物图片，经过不同人脸图片的多次实验，发现每个模型的性能不一，需根据每次的具体情况加以选择使用。同时，正确率和误检率也与检测时设置的参数有关，例如缩放因子、最小\大检测尺寸等，需根据每次的具体情况设置合适的参数来使用。

-------------------------------------------         END      -------------------------------------

参考：

OpenCV中4个人脸级联分类器 https://blog.csdn.net/linj_m/article/details/14523299