opencv 训练人脸对比_opencv - haar人脸特征的训练

step 1: 把正样品，负样品，opencv_createsamples，opencv_haartraining放到一个文件夹下面，利于后面的运行。

step 2: 生成正负样品的描述文件

正样品描述文件

find positive_boosted -iname "*.bmp" -exec echo \{\} 1 0 0 20 20 \; > face.info

生成

positive_boosted/face00244.bmp 1 0 0 20 20

positive_boosted/face00177.bmp 1 0 0 20 20

positive_boosted/face01533.bmp 1 0 0 20 20

positive_boosted/face01542.bmp 1 0 0 20 20

positive_boosted/face00733.bmp 1 0 0 20 20

positive_boosted/face01708.bmp 1 0 0 20 20

positive_boosted/face01625.bmp 1 0 0 20 20

其中的pos_image/是相对路径名,后面紧接着的是文件名，1代表一个文件，0 0 24 24表示这个文件的2个顶点位置坐标。保存退出即ok。

负样品描述文件

find negative_boosted -iname *.bmp > non_face.txt

生成

negative_boosted/face01542.bmp

negative_boosted/face00733.bmp

negative_boosted/face01708.bmp

negative_boosted/face01625.bmp

step 3: 生成vec文件

opencv_createsamples -vec face.vec -info face.txt -bg non_face.txt  -w 20 -h 20 -num 2429

其中的-vec是指定后面输出vec文件的文件名，-info指定正样本描述文件，-bg指定负样本描述文件，-w和-h分别指正样本的宽和高，-num表示正样本的个数。执行完该命令后就会在当前目录下生产一个face.vec文件了。

step 4: 开始训练

首先在当前目录下新建一个xml文件夹用于存放生成的.xml文件。

opencv_haartraining  -data xml -vec face.vec -bg non_face.txt -npos 500 -nneg 500 -w 20 -h 20 -nstages 20 -nsplits 2 -minhitrate 0.999 -maxfalsealarm 0.5

opencv_traincascade (新的命令)

其中

-data为输出xml中间文件的位置;

-vec 正样品文件名

-bg  负样本文件名

-nsplits 1表示使用简单的stump classfier分类。

-mode (default|all) all表示使用haar特征集的种类既有垂直的，又有45度角旋转的; default只是垂直的.

-npos  正样本数

-nneg    负样本

-minhitrate 最小命中率，即训练目标准确度。

-maxfalsealarm最大虚警(误检率)，每一层训练到这个值小于0.5时训练结束，进入下一层训练

在实际训练时，为了节约时间，调小了npos，nneg

会产生xml.xml文件，可以利用所得到的分类器进行测试了。

step 5: 合并训练所产生的xml文件

生成多个