介紹

使用級(jí)聯(lián)分類器工作包括兩個(gè)階段：訓(xùn)練和檢測(cè)。 檢測(cè)部分在OpenCVobjdetect?模塊的文檔中有介紹，在那個(gè)文檔中給出了一些級(jí)聯(lián)分類器的基本介紹。當(dāng)前的指南描述了如何訓(xùn)練分類器：準(zhǔn)備訓(xùn)練數(shù)據(jù)和運(yùn)行訓(xùn)練程序。參考：http://jingyan.baidu.com/article/4dc40848f50689c8d946f197.html

?

利用OpenCV自帶的haar?training程序訓(xùn)練一個(gè)分類器，需要經(jīng)過(guò)以下幾個(gè)步驟：

（1）收集訓(xùn)練樣本：

? ? ? ? 訓(xùn)練樣本包括正樣本和負(fù)樣本。正樣本，通俗點(diǎn)說(shuō)，就是圖片中只有你需要的目標(biāo)。而負(fù)樣本的圖片只要其中不含有目標(biāo)就可以了。但需要說(shuō)明的是，負(fù)樣本也并非隨便選取的。例如，你需要檢測(cè)的目標(biāo)是汽車，那么正樣本就應(yīng)該是僅僅含有汽車的圖片，而負(fù)樣本顯然不能是一些包含天空的，海洋的，風(fēng)景的圖片。因?yàn)槟阕罱K訓(xùn)練分類器的目的是檢測(cè)汽車，而汽車應(yīng)該出現(xiàn)在馬路上。也就是說(shuō)，分類器最終檢測(cè)的圖片應(yīng)該是那些包含馬路，交通標(biāo)志，建筑物，廣告牌，汽車，摩托車，三輪車，行人，自行車等在內(nèi)的圖片。很明顯，這里的負(fù)樣本應(yīng)該是包含摩托車、三輪車、自行車、行人、路面、灌木叢、花草、交通標(biāo)志、廣告牌等。

? ? ? ? 另外，需要提醒的是，adaboost方法也是機(jī)器學(xué)習(xí)中的一個(gè)經(jīng)典算法，而機(jī)器學(xué)習(xí)算法的前提條件是，測(cè)試樣本和訓(xùn)練樣本獨(dú)立同分布。所謂的獨(dú)立同分布，可以簡(jiǎn)單理解為：訓(xùn)練樣本要和最終的應(yīng)用場(chǎng)合非常接近或者一致。否則，基于機(jī)器學(xué)習(xí)的算法并不能保證算法的有效性。此外，足夠的訓(xùn)練樣本（至少得幾千張正樣本、幾千張負(fù)樣本）也是保證訓(xùn)練算法有效性的一個(gè)前提條件。

? ? ? ? 這里，假設(shè)所有的正樣本都放在 /pos文件夾下，所有的負(fù)樣本都放在 /neg文件夾下；

（2）對(duì)所有的正樣本進(jìn)行尺寸歸一化：

上一步收集到的正樣本，有很多的尺寸大小，有的是200*300，有的是500*800...尺寸歸一化的目的，就是把所有的圖片都縮放到同一大小。比如，都縮放到50*60的大小。（程序或者光影魔術(shù)手都可以）

（3）生成正樣本描述文件：

? ? ? ? 所謂的正樣本描述文件，其實(shí)就是一個(gè)文本文件，只不過(guò)，很多人喜歡將這個(gè)文件的后綴改成.dat而已。正樣本描述文件中的內(nèi)容包括：文件名?目標(biāo)個(gè)數(shù)?目標(biāo)在圖片中的位置（x,y,width,height）典型的正樣本描述文件如下所示：0.jpg?1?0?0?30?40….

? ?假如，\pos文件夾下有5000個(gè)正樣本圖片，每個(gè)圖片中僅有一個(gè)目標(biāo)。命令行下 dir /b > pos.dat生成一個(gè)pos.dat文件作為正樣本描述文件。

（4）創(chuàng)建正樣本vec文件

????由于haarTraining訓(xùn)練的時(shí)候需要輸入的正樣本是vec文件，所以需要使用createsamples程序來(lái)將正樣本轉(zhuǎn)換為vec文件。（例如：f:\pos\pos.vec）。

Createsamples程序的命令行參數(shù)：
命令行參數(shù)：
－vec?<vec_file_name>
訓(xùn)練好的正樣本的輸出文件名。
－img<image_file_name>
源目標(biāo)圖片（例如：一個(gè)公司圖標(biāo)）
－bg<background_file_name>
背景描述文件。
－num<number_of_samples>
要產(chǎn)生的正樣本的數(shù)量，和正樣本圖片數(shù)目相同。
－bgcolor<background_color>
背景色（假定當(dāng)前圖片為灰度圖）。背景色制定了透明色。對(duì)于壓縮圖片，顏色方差量由bgthresh參數(shù)來(lái)指定。則在bgcolor－bgthresh和bgcolor＋bgthresh中間的像素被認(rèn)為是透明的。
－bgthresh<background_color_threshold>
－inv
如果指定，顏色會(huì)反色
－randinv
如果指定，顏色會(huì)任意反色
－maxidev<max_intensity_deviation>
背景色最大的偏離度。
－maxangel<max_x_rotation_angle>
－maxangle<max_y_rotation_angle>，
－maxzangle<max_x_rotation_angle>
最大旋轉(zhuǎn)角度，以弧度為單位。
－show
如果指定，每個(gè)樣本會(huì)被顯示出來(lái)，按下"esc"會(huì)關(guān)閉這一開(kāi)關(guān)，即不顯示樣本圖片，而創(chuàng)建過(guò)程繼續(xù)。這是個(gè)有用的debug選項(xiàng)。
－w<sample_width>
輸出樣本的寬度（以像素為單位）
－h《sample_height》
輸出樣本的高度，以像素為單位。

（5）?創(chuàng)建負(fù)樣本描述文件

在保存負(fù)樣本的文件夾下生成一個(gè)負(fù)樣本描述文件，具體步驟同（3），此處不再贅敘；?

（6）進(jìn)行樣本訓(xùn)練

????該步驟通過(guò)調(diào)用OpenCV\bin目錄下的haartraining程序(新版本的opencv改名為opencv_haartraining)來(lái)完成。其中，Haartraining的命令行參數(shù)為：
－data<dir_name>
存放訓(xùn)練好的分類器的路徑名。
－vec<vec_file_name>
正樣本文件名（由trainingssamples程序或者由其他的方法創(chuàng)建的）
－bg<background_file_name>
背景描述文件。
－npos<number_of_positive_samples>，
－nneg<number_of_negative_samples>
用來(lái)訓(xùn)練每一個(gè)分類器階段的正/負(fù)樣本。合理的值是：nPos?=?7000;nNeg?=?3000
－nstages<number_of_stages>
訓(xùn)練的級(jí)聯(lián)分類器層數(shù)。
－nsplits<number_of_splits>
決定用于階段分類器的弱分類器。如果1，則一個(gè)簡(jiǎn)單的stump?classifier被使用。如果是2或者更多，則帶有number_of_splits個(gè)內(nèi)部節(jié)點(diǎn)的CART分類器被使用。
－mem<memory_in_MB>
預(yù)先計(jì)算的以MB為單位的可用內(nèi)存。內(nèi)存越大則訓(xùn)練的速度越快。
－sym（default）
－nonsym
指定訓(xùn)練的目標(biāo)對(duì)象是否垂直對(duì)稱。垂直對(duì)稱提高目標(biāo)的訓(xùn)練速度。例如，正面部是垂直對(duì)稱的。
－minhitrate《min_hit_rate》
每個(gè)階段分類器需要的最小的命中率。總的命中率為min_hit_rate的number_of_stages次方。
－maxfalsealarm<max_false_alarm_rate>
沒(méi)有階段分類器的最大錯(cuò)誤報(bào)警率。總的錯(cuò)誤警告率為max_false_alarm_rate的number_of_stages次方。
－weighttrimming<weight_trimming>
指定是否使用權(quán)修正和使用多大的權(quán)修正。一個(gè)基本的選擇是0.9
－eqw
－mode<basic(default)|core|all>
選擇用來(lái)訓(xùn)練的haar特征集的種類。basic僅僅使用垂直特征。all使用垂直和45度角旋轉(zhuǎn)特征。
－w《sample_width》
－h《sample_height》
訓(xùn)練樣本的尺寸，（以像素為單位）。必須和訓(xùn)練樣本創(chuàng)建的尺寸相同。
一個(gè)訓(xùn)練分類器的例子：
"D:\Program?Files\OpenCV\bin\haartraining.exe"???-data?data\cascade?-vec?data\pos.vec?-bg?negdata\negdata.dat?-npos?49?-nneg?49?-mem?200?-mode?ALL?-w?20?-h?20

訓(xùn)練結(jié)束后，會(huì)在目錄data下生成一些子目錄，即為訓(xùn)練好的分類器。

（7）?生成xml文件

上一步在進(jìn)行haartraining的時(shí)候，會(huì)在data目錄下生成一些目錄及txt文件，我們需要調(diào)用opencv\bin\haarconv.exe將這些txt文件轉(zhuǎn)換為xml文件，也就是所謂的分類器。

????至此，分類器的訓(xùn)練工作已完成。剩下的，就是在程序中加載xml文件，并調(diào)用相應(yīng)的函數(shù)接口來(lái)實(shí)現(xiàn)分類檢測(cè)的作用了。

其實(shí)這個(gè)方法有點(diǎn)老了，新一點(diǎn)有這個(gè)：http://blog.csdn.net/liulina603/article/details/8598681

轉(zhuǎn)載于:https://www.cnblogs.com/taopanpan/p/4000875.html

總結(jié)

以上是生活随笔為你收集整理的如何利用OpenCV自带的级联分类器训练程序训练分类器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。