Extraire des informations intermédiaires lors de la détection de personnes Via OpenCV

Bonjour,
Je suis entrain de concevoir une application qui détecte des personnes sur un bateau, pour cela je réussi à les détecter, mais je veux améliorer cette détection, pour cela je cherche à extraire des informations intermédiaires lors de la phase de détection, càd avoir des informations sur les fenêtres de détection à chaque étage de la cascade de Haar, récupérer les fenêtres qui ont été rejetées et qui contiennent des personnes, .... et à la fin je vais fusionner ces données pour améliorer la détection.
Est ce qu c'est possible de récupérer ces informations?

MERCI D'AVANCE

La fonction HaarDetectObject donne pas la possibilité d'accéder aux faux positifs..!
En revanche, ce que tu peux faire, c'est de mettre le flag min_neighbors à une valeur minimal, ce qui va te permettre de récupérer pas mal de candidats, ensuite augmenter ce même paramètre pour garder que les vrais positifs. Bof ça parait assez mécanique, mais ça te permettra d'étudier la pertinence des faux négatifs et d'extraire pas mal d'informations..

Par contre pour améliorer le taux de détection, ça c'est une autre histoire ;) !

Merci pour ta réponse,
En fait, je cherche à récupérer les fenêtres rejetées pendant le processus de détection en cascade, parce que parmi ces fenêtres rejetées, ils existent surement des personnes non détectées.
Est ce que c'est possible de récupérer ces informations?

Justement, tu ne peux pas ! c'est le principe du Boosting, chaque candidat éliminé au niveau d'un étage de la cascade est perdue.. Moi j'ai essayé de voir un peu plus sur la fonction "HaarDetectObject" j'ai pas réussi à modifier quoi que ce soit ! Mais j'ai réussi à récupérer les infos en faisant varier le flag que j'ai cité précédemment :) .

ReBonjour,
Mais en modifiant flag, est ce qu'on peut récupérer les coordonnées des fenêtres candidats ou bien des données numériques concernant ces fenêtres ?

Bein oui ;) !

Exemple d'utilisation de la fonction cvHaarDetectObject:

Code:

---

1 2 3 4 5 6 7 8

CvSeq* objects = cvHaarDetectObjects( small_img, cascade, storage,1.1, 2, 0 /*CV_HAAR_DO_CANNY_PRUNING*/, cvSize(30, 30) );

---

Tu traces des rectangles ( ou des cercles..) avec des coordonnées que tu récupères de la structure objets

Code:

---

1 2 3 4 5 6 7 8

for(int i = 0; i < (objects ? objects->total : 0); i++ ) { CvRect* r = (CvRect*)cvGetSeqElem( objects, i ); cvRectangle( img, cvPoint(r.x,r.y), cvPoint(r.x+r.width,r.y+r.height), colors[i%8] )

---

(Extrait du livre Oreilly)

Donc en gros ces rectangles là, correspondent à tes cibles, et tu vois bien que t'as toutes les coordonnées ;) !

Merci pour ta réponse,
Mais comment savoir que ce sont des fenêtre candidat à contenir des personnes?

J'ai l'impression que t'as pas compris la démarche :?.

Je m'explique, quand tu mets ton min_neighbors à un niveau faible (= 1 par exemple), la fonction te récupère 20 candidats (par exemple), quand tu l'augmentes (à 3) ça te donne 7 candidats ( :D Je te donne des chiffres juste pour t'illustrer la démarche) et bein, les 13 qui ont été évités par la fonction représentent, justement les fenêtres que tu cherches.