Haar训练

分类器的训练分为两个阶段：

A:创建样本,用OpenCV自带的createsamples.exe来完成。

B:训练分类器，生成xml文件，由OpenCV自带的haartraining.exe完成。

（以上用到的两个可执行文件在OpenCV的bin目录下：C:/Program Files/OpenCV/bin。以下的所有操作均在该目录下完成。）

1.     先准备好大量的正样本和负样本图片，分别存入文件夹img和-img。

2.     创建正样本文件img.txt，文件的内容如下：

    img/1.jpg 1 0 0 60 40

img/2.jpg 1 0 0 60 40

img/3.jpg 1 0 0 60 40

img/4.jpg 1 0 0 60 40

img/5.jpg 1 0 0 60 40

……

其中，后面的两个参数分别表示样本的大小为60×40。可修改

3.     创建负样本文件-img.txt,文件内容如下：

    -img/1.jpg

-img/2.jpg

-img/3.jpg

-img/4.jpg

-img/5.jpg

……

4.       createsamples训练样本:

//----- --从DOS命令行输入以下参数，生成w.vec文件-------

createsamples.exe -vec Vec_Directory.vec -num Num -w Width -h Height

l           Vec_Directory：建立此信息文件的文件名及位置。

l           Num_：正样本的数量。

l           Width：目标object最佳宽度，单位为pixel。

l           Height：目标object最佳高度，单位为pixel。

例如，输入参数为：

opencv_createsamples.exe  -info ./haartraining.txt -vec ./w.vec -num 25 -w 60 -h 40  

5.       haartraining训练分类器

//--------从DOS命令行输入以下参数，生成data/cascade文件夹和cascade.xml文件--------

haartraining.exe -data classifier_directory –vec data/ Vec_Directory.vec -bg negatives_info_directory.txt -npos Num_of_Positives -nneg Num_of_Negatives -nstages Num_of_Stages -nsplits Num_of_Splits -mem Mem_Allocated -mode Mode -w Width -h Height

 

l           classifier_directory：cascade classifier的数据夹位置。

l           Vec_Directory.vec：create samples时所建立信息文件的位置。

l           negatives_info_directory.txt：negative images的信息文件。

l           Num_of_Positives：positive images的数量。

l           Num_of_Negatives：negative images的数量。

l           Num_of_Stages：the number of stages you want to train。（-nstages最后的s一定要记得）

l           Num_of_Splits：默认值为1，使用2时，效果明显比1好很多，但耗时。（-nsplits亦同）

l           Mem_Allocated：分配使用的内存。

l           Mode： BASIC（预设）| CORE | ALL，BASIC用于正立的object，ALL旋转的也适用。

l           Width：目标object的宽度，必须与create samples时设定的相同。

l           Height：目标object的高度，必须与create samples时设定的相同。

例如，输入参数为：

训练结果如下：