win7利用opencv训练自己的xml文件

参考：

https://www.jianshu.com/p/0afa9712c6d5

https://www.jianshu.com/p/e35260f7cbf0?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation

https://blog.csdn.net/roslei/article/details/65444719

        首先，opencv目前仅支持三种特征的训练检测， HAAR、LBP、HOG，选择哪个特征就去补充哪个吧。opencv的这个训练算法是基于adaboost而来的，所以需要先对adaboost进行基础知识补充啊，网上一大堆资料，同志们速度去查阅。我的资源里也有，大家去下载吧，这些我想都不是大家能直接拿来用的，我下面将直接手把手告诉大家训练怎么操作，以及要注意哪些细节。

一、前期准备

正样本：300张

负样本：1000张

注意：正负样本的比例网上说是1：3，量越多越好），正样本采集越多，识别的时候越准确，同时负样本也要更多，本人300张正样本识别不是很准，但还行

opencv_createsamples.exe 版本3.2

opencv_createsamples.exe  版本3.2

刚开始网上下载的2.x的版本，老报错不行，后来重新下载3.2的版本就可以正常训练生成xml

 

二、关于正样本的准备

1、采集正样本图片

用python摄像头截图人脸，并且统一全部缩放成50px*50px的图片，因为刚开始用500px*500px，生成pos.vec时会报错。

2、获取正样本路径列表

进入到正样本图片的文件夹，打开cmd命令行，输入

dir /b >pos.txt

生成pos.txt文件，删除最后一行不是图片的路径

然后用notepad++等文本工具，批量修改路径数据，格式如下

1 ：该样本数目为1；

0 0 ：表示样本起始坐标x，y；

500 500 ： 表示样本宽w高h

最后，把修改好的pos.txt文件，拷贝到opencv_createsamples.exe同目录下

3、获取供训练的vec文件

这里，我们得利用opencv里的一个程序叫opencv_createsamples.exe，可以把它拷贝出来。针对它的命令输入也是写成bat文件啦，因为cascade训练的时候用的是vec。如下：

编写bat文件

opencv_createsamples.exe -vec pos.vec -info pos.txt -num 300 -bg neg.txt -w 50 -h 50 pause

 

-vec : 输出生成的文件路径

-info : 正样本的路径txt文件

-num : 正样本的数量

-w -h : 样本宽高

运行bat，就在我们得pos文件夹里生成了如下vec文件：

就此有关正样本的东西准备结束。

运行时报错提示少了opencv_world320.dll，网上下载，放到同一目录下就行了

（vec中其实就是保存的每一个sample图，并且已经统一w、h大小了，如果你想看所有的sample，也可以通过调用opencv_createsamples.exe）

三、关于负样本的准备

这个特别简单，直接拿原始图，不需要裁剪抠图（不裁剪还能保证样本的多样性），也不需要保存框（网上说只要保证比正样本大小大哈，大家就保证吧），只要把路径保存下来。同正样本类似，步骤图如下：

同样生成路径文件，格式跟之前的不太一样

四、开始训练

编写bat文件执行开始训练

opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 100 -numNeg 1000 -numStages 20 -w 50 -h 50 -minHitRate 0.9999 -precalcValBufSize 1024 -maxFalseAlarmRate 0.5 -mode ALL

-data : 存放xml文件的目录

-vec : 正样本vec文件源

-bg : 负样本路径txt文件

-numPos : 正样本数量

-numNeg : 负样本数量

numStages：训练分类器的级数

-w -h : 样本宽高

-minHitRate ：分类器的每一级希望得到最小检测率(即正样本被判断有效的比例)

-maxFalseAlarmRate：分类器的每一级希望的最大误检率（负样本判定为正样本的概率）

-mode： 选择训练中使用的Haar特征类型。BASIC只使用右上特征，ALL使用所有右上特征及45度旋转特征

其中-numPos不能设置太大，不然也会报错

Traincascade Error: Bad argument (Can not get new positive sample. Themost possible reason is insufficient count of samples in given vec-file.）

这个帖子里面说的：https://blog.csdn.net/xiao_lxl/article/details/40429363

 

可能我的样本集不多，训练到第二层级就已经提示识别度已达到了

Required leaf false alarm rate achieved. Branch training terminated.