OpenCV：级联分类器的训练

一、准备知识

网上其它教程训练分类器所采用的是基于opencv2.x中的open_haartraining.exe，为训练haar特征的分类器，现在新版本已被弃用；

因此本文的级联分类器是基于OpenCV3.x版本制作，所用程序为opencv_traincascade.exe和opencv_createsamples.exe。

1、opencv_traincascade.exe(生成正样本描述文件的可执行程序)

OpenCV3.x版本没有open_haartraining.exe，而是加强了opencv_traincascade.exe的功能，是可训练haar、hog、lbp等多种特征的分类器

2、opencv_traincascade.exe(训练样本的可执行程序)

opencv_createsamples.exe用来准备训练用的正样本数据和测试数据。该程序能够生成能被opencv_haartraining和opencv_traincascade程序支持的正样本数据。它会输出以 *.vec 为扩展名的文件，该文件以二进制方式存储图像。

3、其它准备文件

xml：用于存放训练好的分类器的参数，这个文件夹不是自带的，先创建空文件夹
negdata：存放负样本的文件夹，这个文件不是自带的，需要创建
posdata：存放正样本的文件夹，这个文件不是自带的，需要创建
negdata.txt：负样本的文件路径，这个文件不是自带的，先在negdata文件夹中创建
posdata.txt：正样本的文件路径，这个文件不是自带的，先在posdata文件夹中创建

---

二、准备训练数据

1、正样本和负样本

1.1、正样本

保证正样本图片的分辨率大小一致(最好为官方推荐的20x20，不易过大)，并且按顺序编号，存放在posdata文件夹中

在待检测是人脸的情况下，需要几百甚至几千个正样本，考虑所有的人种、年龄、表情甚至胡子的样式。保证整张图都只有脸，否则训练效果会很差。

在待检测是物体的情况下，如果只有一张包含物体的图像，如一个公司的标志，那么可以通过对物体图像的随机旋转、改变标志亮度以及将标志放在任意的背景上而获得大量的正样本。

1.2、负样本

负样本可以是任意图像，但要保证分辨率和正样本一致，并且这些图像中不能包含待检测的物体。按顺序编号。存放在negdata文件夹中

负样本的尺寸必须大于等于正样本的尺寸。

负样本的数量必须大于正样本的数量。比例的多少会影响大训练效果，具体需要怎样的比例需要自己把控，但负样本过少会出现错误。

2、制作训练数据集

2.1、正样本集

修改posdata文件夹中的posdata.txt文本的内容为

dir /b/s/p/w *.jpg > num.txt

 将posdata.txt的后缀改为bat，即posdata.bat。双击运行，生成num.txt文本。

 

 打开num.txt，按Ctrl+h批量修改替换两处内容：("1 0 0 204 285"中的204、285为图片的宽和高，根据自己的样本大小填写)

修改后为

将num.txt改回为posdata.txt，由于文件中指出的位置是相对路径，所以需要移动到与exe程序同级的文件夹内

2.2、 负样本集

前面采用与2.1正样本集的相同步骤，得到num.txt

这里需要注意的是， 生成之后，负样本的绝对路径不用改为相对路径，也不需要在最后加1 0 0 64 64，内容保持原样即可。

将名字改回为negdata.txt，移动到与exe程序同级的文件夹内

 

---

三、生成正样本描述文件 

(提前注意，复制粘贴时，代码前不要有空格 ，不然无法执行)

 打开电脑的cmd命令指示符，输入exe所在的文件夹(以本人的为例)

cd C:\Users\JAY\Desktop\OpenCV_train

 再输入以下内容(num后是正样本数，w和h代表样本图片的大小)

opencv_createsamples.exe -info posdata.txt -vec pos.vec -num 66 -w 20 -h 20

 生成的正样本描述文件pos.vec

---

四、 训练样本分类器

(提前注意，保证负样本分辨率和正样本一致，否则会报错)

 打开电脑的cmd命令指示符，输入exe所在的文件夹(以本人的为例)

cd C:\Users\JAY\Desktop\OpenCV_train

再继续输入以下内容(numPos后是正样本数，numNeg后是负样本数，w和h代表样本图片的大小) 

opencv_traincascade.exe -data xml -vec pos.vec -bg negdata.txt -numPos 66 -numNeg 200 numStages 20 -featureType LBP -w 20 -h 20

开始训练(保持xml文件夹是一个空文件夹，否则会报错)

 

训练好之后(会迭代很多轮，直到达到阈值或者训练完二十轮)，在xml文件夹中找到名为cascade.xml的文件，这就是训练好的分类器。 

完成！！！ 

ps：本文样本数量过少，主要是做个教程，最好以千为数量级，识别效果才好

其它错误，参考https://blog.csdn.net/u010402786/article/details/52298833

五、调用

在unity里调用，参考https://blog.csdn.net/weixin_42872122/article/details/103232865 

 六、参考文献

https://www.jianshu.com/p/17d7d4700df2

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guide/ug_traincascade.html

https://blog.csdn.net/qq_32502511/article/details/79010509

https://blog.csdn.net/coulson_zhao/article/details/80980408

https://blog.csdn.net/nienelong3319/article/details/79287546