OpenCV训练分类器制作xml文档

最新推荐文章于 2024-10-10 09:36:30 发布

lytwell

最新推荐文章于 2024-10-10 09:36:30 发布

阅读量716

点赞数

分类专栏：模式识别文章标签： xml 文档 file dos basic 生活

模式识别专栏收录该内容

7 篇文章 0 订阅

订阅专栏

OpenCV训练分类器制作xml文档[转]

问题：有了opencv自带的那些xml人脸检测文档，我们就可以用cvLoad（）这个函数加载他们，让他们对我们的人脸进行检测，但是，现在生活中的计算机视觉并不远远是检测人脸，还有很多物品需要识别，所以，能不能自己做个xml的检测文档，用它来检测自己需要的东西呢？例如，检测一个可乐瓶！

问题解决：
首先了解下，目标检测分为三个步骤：
1、样本的创建
2、训练分类器
3、利用训练好的分类器进行目标检测。

一. 样本的创建：
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(例如可乐瓶，人脸等)，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小(例如，20x20)。

1 负样本（反例样本）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文本文件，每一行包含了一个负样本图片的文件名（基于描述文件的相对路径）。该文件必须手工创建。例如，假定目录下有 bg1.bmp bg2.bmp 这2个负样本的图片，这2个图片放在img目录下，所以其背景描述文件 bg.txt 的内容为
_img/bg1.bmp 1 0 0 24 28
_ing/bg2.bmp 1 0 0 24 28
_img/bg3.bmp 1 0 0 24 28
_ing/bg4.bmp 1 0 0 24 28
_img/bg5.bmp 1 0 0 24 28
_ing/bg6.bmp 1 0 0 24 28
_img/bg7.bmp 1 0 0 24 28
_ing/bg8.bmp 1 0 0 24 28
_img/bg9.bmp 1 0 0 24 28
_ing/bg10.bmp 1 0 0 24 28

这样负样本建立完毕，先保存！等会用！

    2 正样本
现在，我们来看正样本的创建步骤：
    正样本由程序createsample 程序来创建。该程序的源代码由OpenCV 给出，并且在bin 目录下包含了这个可执行的程序。例如你opencv安装目录为 c:/ 既C:/OpenCV/bin，你找找就有。正样本可以由单个的目标图片或者一系列的事先标记好的图片来创建！
    在用createsamples.exe 这个程序前，先来了解下这个程序的一些命令组合模式

Createsamples 程序的命令行参数：
命令行参数：
－vec <vec_file_name>
    训练好的正样本的输出文件名。
－img<image_file_name>
    源目标图片（例如：一个公司图标）
－bg<background_file_name>
    背景描述文件。
－num<number_of_samples>
    要产生的正样本的数量，和正样本图片数目相同。
－bgcolor<background_color>
    背景色（假定当前图片为灰度图）。背景色制定了透明色。对于压缩图片，颜色方差量由bgthresh参数来指定。

    则在bgcolor－bgthresh 和bgcolor＋bgthresh 中间的像素被认为是透明的。
－bgthresh<background_color_threshold>
－inv
    如果指定，颜色会反色
－randinv
    如果指定，颜色会任意反色
－maxidev<max_intensity_deviation>
    背景色最大的偏离度。
－maxangel<max_x_rotation_angle>
－maxangle<max_y_rotation_angle>，
－maxzangle<max_x_rotation_angle>
    最大旋转角度，以弧度为单位。
－show
    如果指定，每个样本会被显示出来，按下"esc"会关闭这一开关，即不显示样本图片，而创建过程继续。这是个有用的debug

    选项。
－w<sample_width>
    输出样本的宽度（以像素为单位）
－h《sample_height》
    输出样本的高度，以像素为单位。
注：正样本也可以从一个预先标记好的图像集合中获取。这个集合由一个文本文件来描述，类似于背景描
述文件。每一个文本行对应一个图片。每行的第一个元素是图片文件名，第二个元素是对象实体的个数。
后面紧跟着的是与之匹配的矩形框（x, y, 宽度，高度）。

    了解了创建函数的命令行参数，现在我们对正样本举个例子：

    假设有5 个正样本图片文件img1.bmp,…img5.bmp;创建一个正样本的txt文本文档，名字为 info.txt正样本描述文件info.txt 的内容如下

positive/image1.bmp 1 0 0 24 28
positive/image2.bmp 1 0 0 24 28
positive/image3.bmp 1 0 0 24 28
positive/image4.bmp 1 0 0 24 28
positive/image5.bmp 1 0 0 24 28
positive/image6.bmp 1 0 0 24 28

    图片img1.bmp 包含了单个目标对象实体，矩形为（0,0,24,28）。
注意：要从图片集中创建正样本，要用－info 参数而不是用－img 参数。
－info <collect_file_name>
    标记特征的图片集合的描述文件。

背景（负样本）描述文件的内容如下：
_img/bg1.bmp 1 0 0 24 28
_ing/bg2.bmp 1 0 0 24 28
_img/bg3.bmp 1 0 0 24 28
_ing/bg4.bmp 1 0 0 24 28
_img/bg5.bmp 1 0 0 24 28
_ing/bg6.bmp 1 0 0 24 28
_img/bg7.bmp 1 0 0 24 28
_ing/bg8.bmp 1 0 0 24 28
_img/bg9.bmp 1 0 0 24 28
_ing/bg10.bmp 1 0 0 24 28

这几个文件的位置在同个文件夹下，哎，看图，一目了然：

现在说了这么多废话，现在开始干了：
首先，打开，DOS，（开始-运行-输入cmd）
缺换到刚那个文件放的文件夹下，如图，dos命令的缺换用cd，不详说。

如图：输入的命令如图：

然后按回车键，会出现生成正样本文件的信息：如图

好，接下来是训练分类器，

二、训练分类器
样本创建之后，接下来要训练分类器，这个过程是由haartraining 程序来实现的。

Haartraining 的命令行参数如下：
－data<dir_name>
    存放训练好的分类器的路径名。
－vec<vec_file_name>
    正样本文件名（由trainingssamples 程序或者由其他的方法创建的）
－bg<background_file_name>
    背景描述文件。
－npos<number_of_positive_samples>，
－nneg<number_of_negative_samples>
    用来训练每一个分类器阶段的正/负样本。合理的值是：nPos = 7000;nNeg = 3000
－nstages<number_of_stages>
    训练的阶段数。
－nsplits<number_of_splits>
    决定用于阶段分类器的弱分类器。如果1，则一个简单的stump classifier 被使用。如果是2 或者更多，则带有

    number_of_splits 个内部节点的CART 分类器被使用。
－mem<memory_in_MB>
    预先计算的以MB 为单位的可用内存。内存越大则训练的速度越快。
－sym（default）
－nonsym
    指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对称的。
－minhitrate《min_hit_rate》
    每个阶段分类器需要的最小的命中率。总的命中率为min_hit_rate 的number_of_stages 次方。
－maxfalsealarm<max_false_alarm_rate>
    没有阶段分类器的最大错误报警率。总的错误警告率为max_false_alarm_rate 的number_of_stages 次方。
－weighttrimming<weight_trimming>
    指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9
－eqw
－mode<basic(default)|core|all>
    选择用来训练的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《sample_width》
－h《sample_height》
    训练样本的尺寸，（以像素为单位）。必须和训练样本创建的尺寸相同