基于OpenCV训练分类器

1.准备工作目录

准备好如下工作目录

OpenCV版本较高（大概4.以上）时可能没有opencv_createsamples和opencv_traincascade的exe文件需要下载cmake自己生成，过程较复杂。这里建议使用低版本，我用的是3.4.16。

neg目录: 放负样本的目录

pos目录： 放正样本的目录

xml目录： 新建的一个目录，为之后存放分类器文件使用

neg.txt: 负样本路径列表

pos.txt: 正样本路径列表

pos.vec: 后续自动生成的样本描述文件

opencv_createsamples.exe: 生成样本描述文件的可执行程序(opencv自带)

opencv_haartraining.exe: 样本训练的可执行程序(opencv自带)
 

2.收集正样本和负样本

样本图片最好使用灰度图，且最好根据实际情况做一定的预处理；样本数量越多越好，尽量高于1000，样本间差异性越大越好正负样本比例为1：3最佳；尺寸为20x20最佳。

正样本：训练样本的尺寸为20*20(opencv推荐的最佳尺寸)，且所有样本的尺寸必须一致。如果不一致的或者尺寸较大的，可以先将所有样本统一缩放到20*20。

负样本：虽然负样本就是样本中不存在正样本的内容。但也不能随意的找些图片来作为负样本，比如什么天空，大海，森林等等。最好是根据不同的项目选择不同的负样本，比如一个项目是做机场的人脸检测，那么就最好从现场拍摄一些图片数据回来，从中采集负样本。其实正样本的采集也应该这样。不同的项目，就采集不同的正样本和负样本。因为项目不同，往往相机的安装规范不同，场景的拍摄角度就不同。

样本图片的命名一定要注意格式，会影响步骤3。
图片尺寸处理代码：

path = "D:/3D/tennis/"#图片所在文件夹路径
for i in range(1, 141):
    print(path+str(i)+'.jpg')
    img = cv2.imread(path+str(i)+'.jpg', cv2.IMREAD_GRAYSCALE)
    img5050 = cv2.resize(img, (50, 50))
    cv2.imshow("img", img5050)
    cv2.waitKey(20)
    cv2.imwrite('D:/3D/tennis/pos/'+str(i)+'.jpg', img5050)

3.生成样本描述文件 

1.按下“开始+r”键打开运行窗口，输入cmd打开命令提示符

2.然后进入pos文件下输入'dir/s/b>pos.txt',pos文件下会生成pos.txt文件，打开后如下：

  删除此类，只保留图像的信息，否则执行第四步时会出错。 

3.将生成的pos.txt文件修改为如下格式：

 文本修改代码：

import cv2
import os
def save_imginfo_to_txt(filepath, txtpath):
    files = os.listdir(filepath)
    res = []
    for file in files:
        filename = filepath + "\\" + file
        img = cv2.imread(filename)
        # 数据的格式
        res.append([filename, 1, 0, 0, img.shape[0], img.shape[1]])
    save_txt = txtpath + "\\" + "file_name.txt"
    file = open(save_txt, 'a')
    for i in res:
        file.write(' '.join([str(j) for j in i]))
        file.write("\n")
    file.close()

# 主函数
filepath = "D:/3D/tennis/pos/"#info正
txtpath = "D:/3D/tennis/pos/"
save_imginfo_to_txt(filepath, txtpath)

4.将修改后的pos.txt文件与 opencv_createsamples.exe放在同一目录下，生成pos.vec样本描述文件，执行代码：

opencv_createsamples.exe -vec pos.vec -info pos.txt -num 18500 -w 50 -h 50 #生成正样本使用
opencv_createsamples.exe -vec neg.vec -info neg.txt -num 10500 -w 50 -h 50 #生成负样本使用

这样才是生成成功。注意即使有报错目录下也会生成.vec文件，应该是不能用的。 

-num，-w，-h自己修改，与样本保持一致 。“重复”上述操作（怎么重复大家懂的哈）生成neg.vec负样本描述文件。

4.训练样本

完成样本描述文件的生成后，修改最初的pos/neg.txt文件为最初的格式，如下：

然后进行样本训练，执行代码：

opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 500 -numNeg 656 -numStages 20 -w 20 -h 20 -mode ALL

等。。。时间会较长，要好多个小时。

-numPos ：正样本的数目，这个数值一定要比准备正样本时的数目少，不然会报can not get new positive sample.
-numNeg ：负样本数目，数值可以比负样本大
-numStages ：训练分类器的级数
-w 50：必须与opencv_createsample中使用的-w值一致
-h 50：必须与opencv_createsample中使用的-h值一致
 

 第一次写，参考了以下两个优秀博主的内容，希望对大家有帮助，不足之处望指正。

​​​​​​(11条消息) Opencv训练自己分类器_我惠依旧的博客-CSDN博客_opencv训练自己的分类器https://blog.csdn.net/qq_21454973/article/details/115193780(11条消息) Opencv分类器的训练（内含文件批量改名工具及负样本图包下载地址）_Uncle__Ww的博客-CSDN博客_opencv 负样本https://blog.csdn.net/uncle__ww/article/details/121536923