lopencv文件_【OpenCV】 训练Haar特征分类器

本教程基于以下环境 macOS 10.12.6，OpenCV 3.3.0，python 3.6。由于网上基于masOS系统的教程太少，想出一篇相关教程造福大家～本文旨在学习如何在opencv中基于haar-like特征训练自己的分类器，并且用该分类器用于模式识别。

1. 安装OpenCV和OpenCV源代码

OpenCV至少要保证下载好2.4.5以上的版本，同时源码要对应好自己所安装的版本。

brew tap homebrew/science

brew install --with-tbb opencv

2. 在github上clone一个工程，里面有相关训练脚本和训练样本文件夹等等，后面会用到，在terminal输入

git clone https://github.com/mrnugget/opencv-haar-classifier-training

3. 把正例训练集放入./positive_images，并且将正例的照片名称存入positives.txt里

本训练的正例只有43张，非常少，若想训练完全需要样本量很大，有见过600-2000张不等的。再输入以下命令把名称存入positives.txt，效果图下

find ./positive_images -iname "*.jpg" > positives.txt

4. 同理，把反例训练集放入./negative_images，并且将正例的照片名称存入negative.txt里

find ./negative_images -iname "*.jpg" > negatives.txt

5. 通过bin/createsamples.pl脚本和opencv_createsamples工具创建正例样本集，再将其放入./samples 文件夹里

perl bin/createsamples.pl positives.txt negatives.txt samples 43 "opencv_createsamples -bgcolor 0 -bgthresh 0 -maxxangle 0.5 -maxyangle 0.5 maxzangle 0.5 -maxidev 40 -w 40 -h 40"

6. 把在/samples 文件夹里的样本集合成到samples.vec文件中

python ./tools/mergevec.py -v samples/ -o samples.vec

7. 使用opencv_traincascade工具进行训练，并把结果保存到./classifier

opencv_traincascade -data classifier -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 43 -numNeg 43 -w 40 -h 40 -mode ALL -precalcValBufSize 1024 -precalcIdxBufSize 1024

然后开始阶段性训练，每一层训练都会打印到控制台，其中，如果每一层只能训练出1-2个特征点，那说明训练集有问题，不够大或特征不明显。需要等待的时候比较久，取决于样本大小和样本集大小。

8. 在classifier文件夹里找到cascade.xml文件，就是训练好的分类器了～

9. 本文用python做了实时检测训练的物体，也可以使用Node.js + Opencv 去识别，方法很多。博主可惜由于训练集不足的原因效果不是很好，不过代码附下，如果有训练成功或有疑问朋友，欢迎交流～

importcv2

face_cascade = cv2.CascadeClassifier('cascade.xml')

cap=cv2.VideoCapture(0)while 1:

ret, img=cap.read()

gray=cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

faces=face_cascade.detectMultiScale(gray)for (x,y,w,h) infaces:

cv2.rectangle(img,(x,y),(x+w,y+h),(255,0,0),2)

roi_gray= gray[y:y+h, x:x+w]

roi_color= img[y:y+h, x:x+w]

cv2.imshow('img',img)

k= cv2.waitKey(30) & 0xff

if k == 27:breakcap.release()

cv2.destroyAllWindows()

Useful Material:

1. http://coding-robin.de/2013/07/22/train-your-own-opencv-haar-classifier.html

2. http://note.sonots.com/SciSoftware/haartraining.html#w0a08ab4