使用OpenCV的Haar特征训练身份证级联分类器

以下是我参考的几个人脸分类器的文章：

http://blog.csdn.net/yangleo1987/article/details/52883864

http://m.blog.csdn.net/duhaomin/article/details/10155813

http://blog.csdn.net/autoliuweijie/article/details/51911289

训练工作主要分为如下几步：

• 配置训练环境
• 制作训练数据集
• 生成正样本描述文件（.vec）
• 训练身份证分类器
• 使用分类器进行身份证识别分类

配置训练环境

      训练过程主要依靠OpenCV自带的两个可执行程序opencv_createsamples.exe和opencv_haartraining.exe操作完成的。可以直接下载我已经配置好的文件进行训练。文件地址为：http://download.csdn.net/download/u010782875/10033202

         文件目录如下：

id_24x16_10目录：新建的一个目录，存放之后训练生成的分类器文件

negdata目录：存放负样本的目录

posdata目录：存放正样本的目录

negdata.txt：负样本的文件路径

posdata24x16.txt：正样本的文件路径

posdata24x16.vec：生成的正样本描述文件

opencv_createsamples.exe：生成正样本描述文件的可执行程序

opencv_haartraining.exe：训练样本的可执行程序

制作训练数据集

      将要训练的正样本放入posdata目录，这里为身份证图片，像素大小为24x16（经多次尝试该尺寸效果最佳）；将负样本放入negdata目录下，负样本的像素尺寸要大于正样本，正负样本比例1:3效果最佳。我这里使用了110张正样本和300张负样本。

      接下来需要正负样本的文件路径，用于训练中找到每个样本。进入正负样本目录，新建一个文本文档num.bat，内容如下。

双击运行后生成当前图片的绝对路径，然后将正样本的路径格式进行如下替换(负样本路径文件可不做修改）：

将绝对路径改为相对路径，然后添加的1代表个数，后面四个分别表示样本的left  top  width  height

生成正样本描述文件

      打开cmd.exe，进入上述目录，然后运行指令：opencv_createsamples.exe -info posdata24x16.txt -vec posdata24x16.vec -num 110 -w 24 -h 16

-info  样本说明文件

-vec  正样本描述文件的名字及路径

-num  样本数量

-w-h  样本尺寸大小

执行结束后将生成正样本描述文件posdata24x16.vec

训练身份证分类器

      接着执行指令：opencv_haartraining.exe -data id_24x16_10 -vec posdata24x16.vec -bg negdata.txt -npos 110 -nneg 300 -nstages 10 -nsplits 1 -sym -w 24 -h 16 -mode all -mem 1024

         

        

      这里用到了OpenCV自带的工具opencv_haartraining.exe，该工具封装了haar特征提取以及adaboost分类器训练过程，并合并各级分类器成为最终的xml文件

-data  指定生成的文件目录，用于存放各级分类器文件

-vec  正样本描述文件

-bg  负样本路径文件

-npos  每个阶段用来训练的正样本数目

-nneg  每个阶段用来训练的负样本数目

-nstages  指定训练层数，层数越高，识别粒度越小，耗时越长

-nsplits  分裂子节点数目，1表示使用简单地stump classifier分类

-sys  后面不用跟其他参数，用于指定目标对象是否垂直对称

-mode  all指定haar特征的种类，basic仅仅使用垂直特征，all表示使用垂直特征以及45度旋转特征

-mem  表示允许使用计算机的1024M内存进行训练

      运行结束后，目录下会生成最终的xml文件

        

使用分类器进行身份证识别分类

      将生成的xml文件放到相关项目中（这里放在安卓客户端验证），分类结果如下：