opencv训练自己的分类器，可替换各种目标识别

环境：opencv-4.0，python，c++
方法：opencv_createsamples，opencv_traincascade，haar特征或者lbp特征+cascade分类器
流程：

1. 收集样本，处理样本
2. 训练分类器
3. 目标检测

收集样本，处理样本

收集正样本

关于正样本的收集，一张或多张都可以，首先对样本进行处理，我收集了50个正样本。

处理正样本

处理样本，灰度化，归一化，大小为（50, 50）

path = "/home/yk/project/pyCharm/train/true/"
for i in range(1, 51):
    print(path+str(i)+'.jpg')
    img = cv2.imread(path+str(i)+'.jpg', cv2.IMREAD_GRAYSCALE)
    img5050 = cv2.resize(img, (50, 50))
    cv2.imshow("img", img5050)
    cv2.waitKey(20)
    cv2.imwrite('/home/yk/project/pyCharm/train/pos/'+str(i)+'.jpg', img5050)

处理后效果

收集负样本

关于负样本，只要不含有正样本图片即可，最好是识别场景的图片。
我找到一个负样本下载链接。https://pythonprogramming.net/static/images/opencv/negative-background-images.zip
下载后如图

生成描述文件

正负样本描述文件生成。

import os
def create_pos_n_neg():
    for file_type in ['neg']:
        for img in os.listdir(file_type):
            if (file_type == 'neg'):
                line = file_type + '/' + img + '\n'
                with open('bg.txt', 'a') as f:
                    f.write(line)
            elif (file_type == 'pos'):
                line = file_type + '/' + img + ' 1 0 0 50 50\n'
                with open('info.txt', 'a') as f:
                    f.write(line)

if __name__ == '__main__':
    create_pos_n_neg()

1. 正样本描述文件
   
   内容
   
2. 负样本描述文件
   
   内容
   

合成正样本vec

首先将opencv的两个自带工具复制到文件夹中，opencv_createsamples用于处理生成样本，opencv_traincascade用于训练分类器。

1. 如果用单个样本生成vec执行命令

mkdir info
opencv_createsamples -img pos/1.jpg -bg bg.txt -info info/info.lst -pngoutput info -maxxangle 0.5 -maxyangle 0.5 -maxzangle 0.5 -num 1950

运行后显示Done，表示成功。
打开文件夹info

在最下面还有info.lst

输入命令

opencv_createsamples -info info/info.lst -num 1950 -w 50 -h 50 -vec pos.vec

完成。

2. 如果用多个样本生成vec

使用工具createsample.pl合成正样本的vec。

代码

#!/usr/bin/perl
use File::Basename;
use strict;
###############################################