环境:win10,OpenCV3.2.0
用到的工具:opencv_createsamples.exe、opencv_traincascade.exe(有些版本是opencv_haartraining.exe),这两个工具在opencv的安装路径下。
整个过程分成三阶段:样本采集、分类器训练和运用训练好的分类器进行人脸检测。
一、样本采集
(1)收集训练样本
训练样本包括正样本和负样本。正样本,通俗点说,就是图片中只有你需要的目标。而负样本的图片只要其中不含有目标就可以了。但需要说明的是,负样本也并非随便选取的,最好是与检测目标相关的图片。例如,你需要检测的目标是汽车,那么正样本就应该是仅仅含有汽车的图片,而负样本显然不能是一些包含天空、海洋等风景的图片,因为最终训练分类器的目的是检测汽车,而汽车应该出现在马路上。也就是说,分类器最终检测的图片应该是那些包含马路,交通标志,建筑物,广告牌,汽车,摩托车,三轮车,行人,自行车等在内的图片。很明显,这里的负样本应该是包含摩托车、三轮车、自行车、行人、路面、灌木丛、花草、交通标志、广告牌等的图片。
需要注意的是,adaboost方法是机器学习中的一个经典算法,而机器学习算法的前提条件是,测试样本和训练样本独立同分布。所谓的独立同分布,可以简单理解为:训练样本要和最终的应用场合非常接近或者一致。否则,基于机器学习的算法并不能保证算法的有效性。此外,足够的训练样本(至少得几千张正样本、几千张负样本)也是保证训练算法有效性的一个前提条件。
(2)正样本尺寸归一化
将上一步收集到的正样本进行