用opencv训练LBP特征分类器生成xml文件

用opencv训练LBP特征分类器生成xml文件

需要工具：opencv_createsamples.exe 、opencv_traincascade.exe 、opencv_world3414.dll 和 opencv_world3414d.dll （这些都在下载的opencv中的，我的opencv版本为opencv-3.4.14-vc14_vc15地址是F:\document\pycharm1\opencv\build\x64\vc15\bin）
如果不想进行下载这些个训练工具，我已经准备好放到百度网盘里了,有需要的自取。（链接：https://pan.baidu.com/s/158m6bpkiVWF29S7rbuIfWg
提取码：pluo ）

一、准备工作
1.正负样本的准备：
（1）如果你找的正负样本不多，可进行正负样本的旋转和镜像操作。（在进行旋转、镜像等操作前建议先调整照片的像素大小）

推荐使用软件ACDSee官方免费版，安装打开后找到样本所在文件夹，进行Ctrl+A全选，右击找到批量，就可以进行旋转、调大小、转格式等操作了。

我们进行的是对安全帽模型的训练，在进行安全帽正样本的获取时，先进行爬取了2000张佩戴安全帽的人或场景，但是对于正样本的要求是尽可能少的杂质，我们也找了获取感兴趣区域的一些文章，各种方法，但是我们认为效果不一定好，索性我们自己进行照片的剪裁（我们有7个人）。之后就对正样本进行了调大小（LBP一般格式是24x24、HAAR一般使用格式是20x20），调好之后进行旋转、镜像等获取更多的正样本，再之后把所有的正样本放到一个文件夹里进行统一重命名，在之后进行对正样本转换格式（jpg转bmp）再之后进行灰度的转换。
灰度的转换我用的是python代码，既简单有快捷。代码如下：

import cv2
import os

input_dir = 'F:\document\dachuang\\2\\000'
out_dir = 'F:\document\dachuang\\2\hui'
a = os.listdir(input_dir)
for i in a:
    img = cv2.imread(input_dir+'/'+i)
    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    cv2.imencode('.bmp', gray)[1].tofile(out_dir+'/'+i)

之后再对负样本进行相似的操作（样本大小可以不一致，但必须比正样本尺寸大）
部分正样本：

部分负样本：

二、创建正负样本描述性文件
在某个盘里进行创建文件夹TrainTest，把训练工具（opencv_createsamples.exe 、opencv_traincascade.exe 、opencv_world3414.dll 和 opencv_world3414d.dll）放在这个文件夹里。
在TrainTest里创建三个文件夹，分别为pos、neg、xml。pos文件夹中存放准备好的正样本图片，neg文件夹中存放准备好的负样本图片，xml文件夹中存放训练好的xml文件。
为正样本创建描述文件格式文件pos.txt，具体做法如下：
打开cmd，cd 到pos文件夹所在位置，输入代码dir /b > pos.txt
为负样本创建描述文件格式文件neg.txt：
cd到neg文件夹所在位置，输入代码
dir /b > neg.txt

生成后还需要一定的修改：
打开pos.txt， 使用替换功能，把所有的bmp 换成 bmp 1 0 0 24 24，将所有的图片前都加上文件夹所在的绝对路径
然后在pos.txt文件里将最后一行的空格和pos.txt删掉，保存。
修改完以后是这样的：

打开neg.txt，使用替换功能将所有的图片前都加上文件夹所在的绝对路径
然后在neg.txt文件里将最后一行的空格和neg.txt删掉，保存。
修改完以后是这样的：

然后要把修改好的pos.txt和neg.txt放到pos和neg文件夹的同级目录下，到这里就可以进行训练了。
三、训练模型
1.使用opencv_createsamples.exe创建样本：
在cmd里cd到TrainTest文件夹下，执行指令：
opencv_createsamples.exe -info pos.txt -vec detect_number.vec -bg neg.txt -num 6256 -w 24 -h 24

参数解释：
-info：就是pos.txt的位置，可以直接使用绝对地址避免出错
-vec 是你生成vec文件的位置和名称
-bg 就是neg.txt的位置，同样也可以直接使用绝对地址
-num 正样本的数量，有多少正样本就写多少
-w -h 正样本的宽高
执行后结果如下：

必须要出现你正样本数目的samples。（如果没出现，要检查一下前面的步骤）

2.使用opencv_traincascade.exe开始训练：
输入命令：opencv_traincascade.exe -data xml -vec detect_number.vec -bg neg.txt -numPos 5400 -numNeg 10846 -numStages 20 -featureType LBP -w 24 -h 24

参数解释：
-data 就是你存放训练好的xml文件的文件夹，这个一定要事先创建好
-vec 是之前生成vec文件
-bg 就是neg.txt的位置
-numPos 正样本的数量，这里填的比正样本数量稍微少一点（一般比正样本的0.8倍或0.9倍少），避免出错
-numNeg 负样本的数量，有多少填多少
-numStages 训练步数
-featureType ，就是特征类型
-w -h 是正样本的宽高

部分训练图如下：




这里我之前出错了一次，然后第二张图的步骤是从步骤1开始的。（一般出错都是numPos的正样本数目写的不合理，防止出错就写成少于正样本数目的0.8倍）
训练完成后在xml文件夹里会生成一系列xml文件，最后能用的文件是cascade.xml
测试生成的xml模型：

import cv2
detector = cv2.CascadeClassifier('F:\\document\\dachuang\\TrainTest\\xml\\cascade.xml')
cap = cv2.VideoCapture(0)
while True:
    ret, frame = cap.read()
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    faces = detector.detectMultiScale(gray,1.1,3,0,(100,100))
    for (x, y, w, h) in faces:
        cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
        cv2.imshow('frame', frame)
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
cap.release()
cv2.destroyAllWindows()

ok，大功告成！觉得有帮助的可以点个赞哦！

训练出错可看文章：https://blog.csdn.net/qq_38189484/article/details/87908747
本文参考文章：https://blog.csdn.net/To_be_a_fisher/article/details/89528326
https://blog.csdn.net/MangoHHHH/article/details/109189666