分类器的训练分为两个阶段：
A:创建样本,用OpenCV自带的createsamples.exe来完成。
B:训练分类器，生成xml文件，由OpenCV自带的haartraining.exe完成。
（以上用到的两个可执行文件在OpenCV的bin目录下：C:/Program Files/OpenCV/bin。以下的所有操作均在该目录下完成。）
1. 先准备好大量的正样本和负样本图片，分别存入文件夹img和-img。
2. 创建正样本文件img.txt，文件的内容如下：
img/1.jpg 1 0 0 60 40
img/2.jpg 1 0 0 60 40
img/3.jpg 1 0 0 60 40
img/4.jpg 1 0 0 60 40
img/5.jpg 1 0 0 60 40
……
其中，后面的两个参数分别表示样本的大小为60×40。可修改
3. 创建负样本文件-img.txt,文件内容如下：
-img/1.jpg
-img/2.jpg
-img/3.jpg
-img/4.jpg
-img/5.jpg
……
4. createsamples训练样本:
//----- --从DOS命令行输入以下参数，生成w.vec文件-------
createsamples.exe -vec Vec_Directory.vec -num Num -w Width -h Height
l Vec_Directory：建立此信息文件的文件名及位置。
l Num_：正样本的数量。
l Width：目标object最佳宽度，单位为pixel。
l Height：目标object最佳高度，单位为pixel。
例如，输入参数为：
createsamples.exe -info ./haartraining.txt -vec ./w.vec -num 25 -w 60 -h 40
训练结果如下：
5. haartraining训练分类器
//--------从DOS命令行输入以下参数，生成data/cascade文件夹和cascade.xml文件--------
haartraining.exe -data classifier_directory –vec data/ Vec_Directory.vec -bg negatives_info_directory.txt -npos Num_of_Positives -nneg Num_of_Negatives -nstages Num_of_Stages -nsplits Num_of_Splits -mem Mem_Allocated -mode Mode -w Width -h Height
l classifier_directory：cascade classifier的数据夹位置。
l Vec_Directory.vec：create samples时所建立信息文件的位置。
l negatives_info_directory.txt：negative images的信息文件。
l Num_of_Positives：positive images的数量。
l Num_of_Negatives：negative images的数量。
l Num_of_Stages：the number of stages you want to train。（-nstages最后的s一定要记得）
l Num_of_Splits：默认值为1，使用2时，效果明显比1好很多，但耗时。（-nsplits亦同）
l Mem_Allocated：分配使用的内存。
l Mode： BASIC（预设）| CORE | ALL，BASIC用于正立的object，ALL旋转的也适用。
l Width：目标object的宽度，必须与create samples时设定的相同。
l Height：目标object的高度，必须与create samples时设定的相同。
例如，输入参数为：
haartraining.exe -data data/cascade -vec ./w.vec -bg ./-img.txt -mode ALL -w 60 -h 40
训练结果如下：
扫一扫
359
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
