训练分类器总结篇（1）

摸索了3天多的训练分类器，身心俱备。不过还好弄懂了一些训练的方法。之前在WIN7训练没成功过一次，怒装WIN10系统，放WIN10上面训练。opencv版本使用的是2.4.9.

1、找到正样本和负样本，使用“美图看看”软件来修改图片格式和尺寸。我这里正样本565张，负样本687张。正样本为有柱子的图片，负样本为没有柱子的图片。

2、创建文件夹，我这里pos和neg是手机照片的原图，pos2和neg2是使用美图看看软件修改之后的图片。pos文件夹中的图片格式为.bmp，大小为20*20。neg文件夹中的图片格式为.bmp。把opencv_createsamples.exe和opencv_traincascade放到同一文件夹下面。

之后开始准备正样本，在pos2文件夹创建bat文件，指令为：

dir /b > pos.dat

修改图片的路径，如下图

然后获取训练的vec文件，指令为：

opencv_createsamples.exe -info pos2\pos.dat -vec pos\pos.vec -num 565 -w 20 -h 20

负样本准备直接拿原图就行了，最好也是.bmp格式，在neg2文件夹下面输入指令：

dir /b > neg.dat

3、开始训练，注意data文件自己创建，下面的是开始训练的截图：
指令：

opencv_traincascade.exe -data data -vec pos2\pos.vec -bg neg2\neg.dat -numPos 565 -numNeg 687 -numStage 15 -w 20 -h 20 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -mode ALL

4、如果出现错误，不必害怕，继续连接前面的训练数据继续训练就行。只要出现了stage的文件，说明已经在训练了，继续训练下去。

5、训练成功截图，总算得到了我所需要的“cascade.xml”文件。

6、测试效果（含测试代码），手机照的相片尺寸有点大，自己用软件改小一点。

#include "opencv2\opencv.hpp"  
#include <iostream>  
using namespace std;
using namespace cv;
int main()
{
    string xmlPath = "cascade.xml";
    CascadeClassifier ccf;  //创建分类器对象  
    Mat img = imread("test11.bmp");//目标检测图片  
    if (!ccf.load(xmlPath))   //加载训练文件  
    {
        cout << "Can not load the xml file." << endl;
        return 0;
    }
    vector<Rect> faces; //创建一个容器保存检测出来的脸  
    Mat gray;
    cvtColor(img, gray, CV_BGR2GRAY);//灰度图转化，提取Haar特征  
    equalizeHist(gray, gray);  //直方图均衡  
    //resize(gray, gray, Size(128, 128), 0, 0, CV_INTER_LINEAR);  
    ccf.detectMultiScale(gray, faces, 1.1, 3, 0, Size(80, 225), gray.size()); //检测脸,此处的Size(x,y)参数x，y检测前需调整到合适数值  
    for (vector<Rect>::const_iterator iter = faces.begin(); iter != faces.end(); iter++)
    {
        rectangle(img, *iter, Scalar(0, 155, 255), 2, 8); //画出脸部矩形  
    }
    imshow("test", img);
    waitKey(0);
    return 0;
}

注意：这次测试虽然有一定的效果，但是样本数量还是太少，继续增加样本来增加准确度。推荐正样本与负样本比例1：3左右。

参考：

【1】http://blog.csdn.net/wuxiaoyao12/article/details/39227189