OpenCVで検出器用の辞書を作成してみた

OpenCVが提供している分類器 CascadeClassifier用の辞書を作成してみた。
前回学習方法を訳してみたが、実際にを動かしてみると、相違点や問題点が見つかったので、メモしておく

１　特徴量は、HAAR、LBPだけでなくHOGが使用できる
　　-featureType HOGで指定する

２　 -vec　のファイルで指定したサンプルファイルに登録されているpositive画像数を -numPos　で指定すると opencv_traincascadeが落ちる
　　以前から指摘されているようであり、numPos　の数を9割くらいに減らせばよい

３　メモリが少ないと、opencv_traincascadeの起動時にメモリアロケーションエラーで落ちる
　　その場合は、-numPosや、-numNegで指定する数を減らす
    -w -hで指定するサイズを小さくする　（その場合、vecファイルを作り直す）必要がある

４　それでもステージの途中でメモリ不足で落ちる場合があるが、再度実行すると問題なく終了できる場合がある。

５　選んだ画像によっては、収束しないで無限に計算している場合がある
　　（negのカウンタが増えていかない）
　　その場合は、パラメータを変える、画像を変えるなどしないといけない
　　
　　条件やマシンに依存するが、posi　500枚くらいだと　30分くらいで終了する
　　
　　最初は -numStages を少なくしておき、検出精度をみながら増やしていくとよい

６　検出プログラムは、顔検出用のサンプルなどがそのまま使用できる
　　辞書指定で、自作の辞書ファイルのパスを指定すればよい
　　positive辞書作成時に使用した画像で、検証すればよい

７　計算時間短縮のためにコンソールから、プログラムを起動するときに　start /highを付け加え、プロセスの優先度をあげるとよい
　反面、他の作業に支障が出る場合がある

８　時間がかかる場合、途中で計算を打ち切ることができ、後日、同じコマンドで再開することができる。
　　再開時にパラメータが異なると、プログラムは起動後、すぐに終了してしまう
　　パラメータを変えたい場合は、辞書保存用のフォルダー内をクリアする必要がある

９　指定する画像のサイズは、最低でも16画素必要である。

追加2013/12/13
１０　ファイルのリストは、相対パスでも絶対パスでもよい

１１　positive画像に指定した画像をテストした場合、検出できない場合もある
　

　
　

自作辞書の印象だが、誤検出は少ない分、検出できないケースも多い。
　positive辞書に、検出できない状況の画像を登録すればよいが、辞書が爆発することが予測できるので、ある程度妥協が必要である。