opencv 构造训练器

D:/face   构造face训练器为例

一：样本创建

 训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其它任意图片。

负样本可以来自于任意的图片，但这些图片不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个。

创建 正 负 样本目录

mkdir D:\face\posdata

mkdir D:\face\negdata

把正负样本图片，分别放入2个文件夹下。

 

生成负样本描述文件

cd  D:\face\negdata

dir /b > negdata.dat   #删除negdata.data的最后一行，因为最后一样是描述文件本身。

 

生成正样本描述文件

cd  D:\face\posdata

dir /b > posdata.dat   #删除posdata.data的最后一行，因为最后一样是描述文件本身

然后为 posdata.dat 中的每一行后加上文件描述擦数（图片个数，目标开始，结束位置，高，宽），例如  

1.jpg  1 1 1 23 23

2.jpg  1 1 1 23 23

使用createsamples命令生成正例训练.vec文件。

opencv_createsamples  -info  D:\face\posdata\posdata.data

                                  -vec   D:\face\data\pos.vec

                                   -num 10 -w 20 -h 20

运行后生成的pos.vec 文件作后面的训练用

 

二：训练分类器 

使用 traincascade（opencv2 中只有haartrainning命令，注意版本2个3的参数格式稍有不同）。 

命令如下：

opencv_traincascade   -data D:\face\data\cascade        #分类器的存放路径

                                -vec  D:\face\data\pos.vec          #正样本的vec文件

                                -bg  D:\face\negdata.dat             #付样本描述文件

                                -numPos 10                                #正样图片文件本个数   

                                -numNeg 10                               #付样本图片文件个数

                                -numStages 5                              #训练阶段数，根据样本数量而定，太大，会提示错误：Train dataset for temp stage can not be filled. .

                                -mode ALL       #训练的haar特征集的种类。basic仅仅使用垂直特征。all使用垂直和45度角旋转特征。

                                 -w   20    -h 20    #样本宽和高

如果参数都设置对了，任然报错误：Train dataset for temp stage can not be filled. Branch training terminated.

可能是 -gb 参数不带文件名称， 那可以付样本的描述文件放到执行目录，负样本的描述内容增加图片位置的路径来解决。

最后没有报错，会在-data的路径下生成训练文件。

 

三：利用训练好的分类器，做检测

##TODO 还没有找到performance.exe程序
performance.exe   

 

使用python-cv2 调用生成的分类器：

import cv2

cascade = cv2.CascadeClassifier('D:\face\data\cascade\cascade.xml')

faces = cascade .detectMultiScale(gray, 1.3, 5)