HAAR、LBP和HOG特征训练分类器

工具：opencv_traincascade.exe，opencv_createsamples.exe位于opencv\build\x86\vc10\bin文件夹下，可用以训练HAAR、LBP和HOG特征训练分类器

训练的过程：
1、训练样本准备
      以行人训练为例，首先正样本是各种各样的行人的照片，负样本就是非人照片。样本个数最好在上千个，太少训练出来的分类器不能准确检测行人，对正负样本的个数比例不尽相同，有的说3:1有的说7:3,我用的正样本有3000个负样本1500个。把正负样本分别放在不同的文件夹下，可以命名为pos、neg。同时也要把opencv自带的训练函数和正负样本一起放到一个文件夹下，用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml
      另外正负样本都要转化成灰度图，而且对于正样本用haar特征训练是规格化成24*24或其他大小，不要太大，过多的haar特征会影响分类器的训练时间；对于LBP特征正样本要规格化为24*24大小，而对于HOG要规格化成64*64. 负样本对尺寸没有统一要求，在训练对应的分类器时，选择的负样本尺寸一定要大于等于正样本规定的尺寸。 a，正样本就是人的图片就行了，尽量包含少的背景。     b，负样本有两点要求：一，不能包含正样本且尽可能多的提供场景的背景图；二，负样本尽可能的多，而且要多样化。

2、对样本进行处理


     以下的处理过程都是在命令行下进行的，在计算机【开始】里面输入“cmd”进入命令行了，进入你刚才新建的包含以上样本的文件夹下  首先进入E盘 直接输入E：就可以了，其次输入“c