特定のオブジェクトを検出するために、ブーストされた分類器 (OpenCV または Matlab のいずれかを使用) のカスケードをトレーニングします。
私の質問は、60x60 のウィンドウ検出サイズの場合、分類器をトレーニングするための無制限の時間がないことを考えると、画像サンプルをトレーニングするための妥当な解像度はどれくらいですか? 提供された画像の一部は 1200x600 ですが、これは不必要に大きく、縮小する必要があると確信しています。テスト用のデータセットには画像や動画が含まれている可能性がありますが、それらのデータセット内で検出されるオブジェクトはそれほど大きくない可能性が高いことはわかっています。
答えは「場合による」です。ウィンドウのサイズが 60x60 の場合、それが検出できる最小サイズです。したがって、画像の解像度は、関心のあるすべてのオブジェクトが少なくとも 60x60 のサイズになるように十分に高くする必要があります。
また、トレーニング時間が問題になる場合は、使用する機能について検討する必要があります。たとえば、Haar のような機能を使用したトレーニングは、HoG や LBP よりもはるかに時間がかかります。
OpenCV プログラムopencv_traincascadeと MATLAB 関数trainCascadeObjectDetector (Computer Vision System Toolbox 内) の両方で、Haar、HoG、および LBP の機能を選択できます。