在训练自己的检测器中遇到的问题记录

总结在训练自己的检测器中遇到的问题及解决方法：

> 1.出现unspecified error <vec file sample size mismatch>

对于我而言，我是马虎的将负样本生成的目录文件名写错了;

还有就是要注意正负样本的个数，一定要比实际文件夹下的数量少；

2.训练途中突然停止，出现OpenCV Error: Assertion failed (elements_read == 1) in icvGetHaarTraininDataFromVecCallback，file..\opencv\apps\haartraining\cvhaartraining.cpp, line 1861”

正负样本的数目，要比实际小一些，即-npos 和 -nneg后的参数设置要比实际值小些。当把npos设置与vec中总样本数相同时，第二个强分类器训练时，必然就会报错，提示样本数不足。

3.训练到某一层以后不再向下进行，如下图所示：

原因：负样本数目数量不足，找不到误检测的负样本，已经没有负样本能够进入下一层进行训练。

解决方法：

1.增加负样本的数量，增大负样本之间的变化；

2.使用convert_cascade.exe，提供下载链接： convert_cascade.exe

也可以根据源码，进行编译，在项目下，找到exe，也可以。

#include "opencv2/objdetect/objdetect.hpp"
#include "opencv2/highgui/highgui.hpp"

#include <ctype.h>
#include <stdio.h>

void help()
{
printf("\n This sample demonstrates cascade's convertation \n"
"Usage:\n"
"./convert_cascade --size=\"<width>x<height>\"<convertation size> \n"
"                   input_cascade_path \n"
"                   output_cascade_filename\n"
"Example: \n"
"./convert_cascade --size=640x480 ../../opencv/data/haarcascades/haarcascade_eye.xml ../../opencv/data/haarcascades/test_cascade.xml \n"
);
}

int main( int argc, char** argv )
{
const char* size_opt = "--size=";
char comment[1024];
CvHaarClassifierCascade* cascade = 0;
CvSize size;

help();

if( argc != 4 || strncmp( argv[1], size_opt, strlen(size_opt) ) != 0 )
{
help();
return -1;
}

sscanf( argv[1], "--size=%ux%u", &size.width, &size.height );
cascade = cvLoadHaarClassifierCascade( argv[2], size );

if( !cascade )
{
fprintf( stderr, "Input cascade could not be found/opened\n" );
return -1;
}

sprintf( comment, "Automatically converted from %s, window size = %dx%d", argv[2], size.width, size.height );
cvSave( argv[3], cascade, 0, comment, cvAttrList(0,0) );
return 0;
}

#ifdef _EiC
main(1,"facedetect.c");
#endif

而后，先用cmd命令，进入到生成的训练结果的父目录，也就是opencv_haartraining.exe

的同级目录下，

然后使用命令：

convert_cascade.exe --size="20x20" G:\traing_new_cascade2 G:\traing_new_cascade2\face_detect.xml

这里： size是正样本图片像素大小；
然后： 源目录，即训练结果目录
接下来： 目标目录及生成的xml文件名

即可生成face_detect.xml，接下来用其检测即可。