最近在看vj算法,算是比较经典的检测算法。其中积分图,haar-like特征以及级联分类器的思想比较好。人脸检测可以看作一个二分类的问题,及扫描框内的是否是人脸。这需要一个训练好的人俩分类器作为判断。所以我用opencv自带的分类器工具训练了一个人脸检测器(.xml文件)
正负样本的准备
首先你需要准备正负样本。正样为不同背景下的人脸图,负样本理论上为不包含正样本的图。但最好是在你的应用背景下的负样本,而不是很多不相关的图片。
这是我的文件目录:
posdata,negdata分别为正负样本的文件夹,正样本有4370张图片,负样本有23240张图片。他们都是20*20像素的
生成样本的说明文件
dos命令下进入 这个目录;执行dir /b >posdata.dat生成posdata.dat文件
dos命令下进入 这个目录;执行dir /b >negdata.dat生成negdata.dat文件分别存放的是正负样本图片的标签
修改posdata.dat的格式:
1代表文件,0 0 20 20,是这个目录下每一张图片的坐标,因为是二维的,而且我正样本所有图片全是20*20像素的,所以就是(0,0)点到(20,20)点,即是读取图片时,从左下角扫描到右上角。
用opecv_createsamples.exe生成样本描述文件pos.vec
opencv_createsamples.exe -info posdata\posdata.dat -vec data\pos.vec -num 3900 -w 20 -h 20
进行训练
做好前期准备工作后就可以利用opencv_traincascade.exe进行分类器的生成
opencv_traincascade.exe -data data1 -vec data\pos.vec -bg negdata -numPos 3900 -numNeg 23000 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -featureType HAAR -numStages 20 -w 20 -h 20
其中参数的意思
data:最后生成分类器的存放地址。vec:样本描述文件 bg:负样本描述名称其他参数就不多赘述了。