OpenCV 训练分类器生成XML文件【完整过程】

在网上找了好多相关信息,有几篇写的很好的:

http://blog.csdn.net/tyt2222008/article/details/5838389

http://blog.csdn.net/carson2005/article/details/8171571

http://blog.csdn.net/giantchen547792075/article/details/7404261

通过这几篇以及我之前的学习,将今天实践的过程分享一下:

首先再次说一下整体生成的流程:

1:收集需要训练的正、负样本。

2:对正样品归一化处理,负样本不处理,但是保证负像素尺寸 >=正样品像素尺寸(或者有的人也称作缩放处理,不过我感觉还是归一化处理比较好听)。

3:生成正、负样本描述文件。

4:样本训练。


详细总结:

1:收集样品。

刚开始仅仅是做个小实验,所以数量暂时不用太多࿰

  • 3
    点赞
  • 73
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
要使用OpenCV生成分类器,您需要执行以下步骤: 1. 收集一些正面和负面的样本图像,并将它们分别放入两个文件夹中。正面图像应该是您想要检测的对象的图像,而负面图像应该是不包含对象的图像。 2. 安装OpenCV并打开一个命令行界面。 3. 运行以下命令以生成正面图像的列表文件: `opencv_createsamples -img positive_image.png -bg negative_image.txt -info positive_info.lst -pngoutput` 这将使用positive_image.png作为正面图像,negative_image.txt作为负面图像列表,并将生成一个包含正面图像信息的positive_info.lst文件。 4. 运行以下命令以生成分类器: `opencv_traincascade -data classifier -vec positive_info.vec -bg negative_image.txt -numPos 50 -numNeg 100 -numStages 10 -w 20 -h 20` 这将使用positive_info.vec作为正面图像信息,negative_image.txt作为负面图像列表,并将生成一个名为classifier的分类器。您可以根据需要调整其他参数,例如numPos和numNeg表示正面和负面样本的数量,numStages表示分类器训练阶段数,w和h表示正面样本的宽度和高度。 5. 在训练过程完成后,您可以使用以下代码加载分类器并在图像中检测对象: ```python import cv2 cascade = cv2.CascadeClassifier('classifier.xml') img = cv2.imread('test_image.png') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) objects = cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) for (x, y, w, h) in objects: cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2) cv2.imshow('Objects', img) cv2.waitKey(0) ``` 这将加载名为classifier.xml分类器,并在test_image.png图像中检测对象。检测出的对象将用绿色矩形框出。您可以根据需要调整scaleFactor、minNeighbors和minSize等参数来优化检测结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值