opencv训练自己的级联分类器

环境

硬件

硬件环境：Intel 9700F、8G内存

软件及驱动：

操作系统：Windows10企业版（HyperV虚拟机）

Opencv：opencv3.4.0

C++动态链接库支持：VS2019社区版

数据集准备

本章节主要参考CSDN博客。

正样本数据（缺陷：破损）

（1）将所有图像转换为统一格式如jpg或bmp，本文档使用jpg图像进行训练

（2）编写数据统计脚本，并从json中读取标记框，写入txt文档，下图为截取的写好的pos.txt文档

以第一行数据为例：

0.jpg:：图像名称

4：json文件中标记框的个数

525：第一个框的左上角坐标点x

602：第一个框的左上角左边掉y

291：框的长

68：框的宽

后续数字则表示其他两个框的坐标点和长宽。

负样本数据（正常）

（1）将所有图像转换为统一格式如jpg或bmp，本文档使用jpg图像进行训练

（2）编写脚本，将负样本文件名写入neg.txt中，下图为写好的neg.txt文件

这里要注意，相较于pos.txt中的内容，neg.txt的图像文件名需要加入neg/，确保使用后续命令时保持与本文档一致

级联分类器训练

训练准备

1.新建文件夹cascade(可自定义)

2.进入cascade文件夹，新建neg和pos文件夹，将准备好的图像数据和对应的txt文件放入

3.进入cascade文件夹新建xml文件夹，用于存放训练好的xml文件

4.进入opencv安装目录，拷贝opencv_createsamples.exe、opencv_traincascade.exe、opencv_world340.dll文件放入建好的cascade文件夹中，三个文件在opencv的目录为\opencv\build\x64\vc15\bin

开始训练

1.在cascade中打开cmd窗口

2.执行指令opencv_createsamples -info pos\pos.txt -vec pos.vec -bg neg\neg.txt -num 1624 -w 24 -h 24，运行命令后，会在cascade文件夹下生成pos.vec文件，命令解释如下图所示

3.生成pos.vec文件后，执行指令opencv_traincascade -data xml -vec pos.vec -bg neg\neg.txt -numPos 1400 -numNeg 1254 -numStages 20 -featureType HAAR -w 24 -h 24，执行后等待训练结束即可，指令解释如下图所示：

4.xml文件夹下生成的cascade.xml即为训练后的级联分类器文件

采坑指南

1.生成pos.txt文档时一定要注意写入的图像文件名中不能有空格，否则无法正确生成pos.vec文件

2.生成pos.txt文档时一定要注意标记框的范围，不能超出图像的长宽，否则无法正确生成pos.vec文件，在根据json文件中的左上和右下坐标计算标记框时可向下取整，不要四舍五入，同时，生成pos.txt后可编写脚本，剔除标记框超出图像长宽的图像

3.执行生成pos.vec文件的命令时，确保-num为图像数量，如本文档中使用的1624张图像

4.此条需格外注意，执行训练命令时，-numPos一定要小于训练图像数量，如本文档中使用1624张图像进行训练，但-numPos写了1400，根据查阅的相关资料，-numPos后写的数字为正样本数量的90%即可