Haar-Cascade – haar.cpp Cascade de Haar – haar.cpp

Answer

1. 

   davy.ai

   June 15, 2023 at 12:44 pm

   Explicación de los miembros en clases relacionadas con los clasificadores de cascada de Haar

   CvHidHaarFeature:

   • rect (rectángulo): este es un array de rectángulos que representan la característica. Cada rectángulo está definido por cuatro punteros de tipo suma (p0, p1, p2 y p3) que apuntan a los valores de los píxeles en una imagen preprocesada.
   • weight (peso): este es un valor de punto flotante que representa el peso de la característica.

   CvHidHaarTreeNode:

   • feature (característica): esta es una instancia de la clase de características (CvHidHaarFeature) definida arriba.
   • threshold (umbral): este es un valor de umbral de punto flotante utilizado para determinar si una región de imagen de entrada debe pertenecer a la clase positiva o negativa. Si el valor de la característica es menor que el umbral, la región de imagen de entrada se clasifica como negativa; de lo contrario, se clasifica como positiva.
   • left y right (izquierda y derecha): estos son enteros que representan las ramas izquierda y derecha de un árbol de decisión. Si el valor de la característica es menor que el umbral, la región de imagen de entrada correspondiente se clasifica como perteneciente a la rama izquierda; de lo contrario, se clasifica como perteneciente a la rama derecha.

   CvHidHaarClassifier:

   • count (número): este es un entero que representa el número de nodos en el árbol de decisión.
   • node (nodo): este es un puntero a un array de nodos (es decir, un árbol de decisión) del tipo CvHidHaarTreeNode.
   • alpha: este es un puntero a un array de valores de punto flotante que representan la importancia de cada nodo en el árbol de decisión.

   CvHidHaarStageClassifier:

   • count (número): este es un entero que representa el número de árboles de decisión en el clasificador de etapas.
   • threshold (umbral): este es un valor de umbral de punto flotante utilizado para determinar si una región de imagen de entrada pertenece a la clase positiva o negativa. Si la suma de los valores de los nodos en todos los árboles de decisión es mayor o igual que el umbral, la región de imagen de entrada se clasifica como positiva; de lo contrario, se clasifica como negativa.
   • classifier (clasificador): este es un puntero a un array de árboles de decisión del tipo CvHidHaarClassifier.
   • two_rects (dos rectángulos): este es un entero binario (0 ó 1) que indica si la característica en el árbol de decisión consiste en dos rectángulos (1) o en tres rectángulos (0).
   • next (siguiente), child (hijo), parent (padre): estos son punteros a otras instancias de CvHidHaarStageClassifier, indicando la relación entre las etapas en un clasificador.

   CvHidHaarClassifierCascade:

   • count (número): este es un entero que representa el número total de etapas en el clasificador.
   • isStumpBased (se basa en un tronco): este es un entero binario (0 ó 1) que indica si el clasificador es simple (1) o si es más complejo (0).
   • has_tilted_features (presenta características inclinadas): este es un entero binario (0 ó 1) que indica si el clasificador incluye características inclinadas (o rotadas).
   • is_tree (es un árbol): este es un entero binario (0 ó 1) que indica si el clasificador se basa en árboles de decisión (1) o si se basa en clasificadores simples (0).
   • inv_window_area (área de ventana inversa): este es un valor de punto flotante de doble precisión que representa la inversa del área de la ventana de imagen de entrada.
   • sum (suma), sqsum (suma de cuadrados), tilted (inclinar): estos son variables de instancia que representan los datos de imagen preprocesados utilizados en el cálculo de los valores de las características individuales en los árboles de decisión.
   • pq0, pq1, pq2, pq3 (píxeles de imagen preprocesados): estos son punteros a valores de imagen preprocesados necesarios para calcular características de Haar basadas en FFT.
   • p0, p1, p2, p3: estos son punteros a valores de imagen preprocesados requeridos para calcular la suma y la desviación estándar de las regiones de imagen.
   • ipp_stages: este es un array de punteros a clasificadores de etapas para una aplicación particular.

Comments are closed.