python识别简单训练模型_Python-OpenCV —— 物体识别（TrainCascadeClassification）

在上次教程Python-OpenCV —— Machine Learning讲述了如何建立模型，进行训练，然后利用模型对新获得的照片进行预测并给出预测值，本期教程针对某个特定的物体进行检测，将其标记出来，分为3个步骤，第一：训练特定物体，第二：

训练模型

级联分类器

前几天看到一个笑话，很有意思，说的是

理论就是你什么都知道但是什么都干不了

实践就是你什么都能干但是不知道为什么

我就不一样了，我可以理论与实践相结合——什么都干不了而且不知道为什么

开个玩笑，目前有很大一部分的东西都是人们实践得来的经验，有些东西也许很好用，但未必是好理论，比如现在的深度学习，扯远了，继续今天的话题，到底什么是级联分类器，其实就是把分类器按照一定的顺序联合到一起。一个分类器也许不好用，没关系，我给你多加几个，俗话说得好，三个臭皮匠，顶个诸葛亮呢。

具体来说，OpenCV实现的Cascade（级联）分类器就是基于多个弱分类器对不同的特征进行依次处理（分类）来完成对目标的检测，简单的说有多个弱分类器串起来，然后提取每个平滑窗上的不同特征，把这些特征依次放进不同的弱分类器里判断，如果所有的弱分类器都判断正标签，则表示该该平滑窗内检测到目标。这样做的好处是不但通过多个弱分类器来形成一个强的级联分类器，而且可以减少运算量，比如当一个平滑窗第一个特征没有通过第一个分类器，那么就没有必要继续运算下去，直接拒绝掉当前平滑窗，转而处理下一个平滑窗，事实上作者的目的就是为了快速抛弃没有目标的平滑窗，从而达到快速检测目标。

本次用到了OpenCV的两个程序，分别是opencv_createsamples.exe和opencv_traincascade.exe，分别用来创建样本文件和训练级联分类器。

准备训练数据

正样本

正样本就是你要检测的东西，比如说香蕉、车牌、酒瓶、红绿灯等等，你可以找相关的数据集，或者自己手动截图，只取你想要识别的那部分，下面我给了一个小程序用来将你截取的图片都变成统一大小。

#改变图片尺寸为统一大小,在当前目录创建一个名为pos