OpenCV1.0 训练分类器

第一次尝试训练自己的分类器，中间经过了一些曲折，终于成功了。在此将过程分享给大家，希望对初学者有帮助。经过实际操作，发现最困难的部分确实是样本的准备，不仅数量要多，而且要包括各种场景，才能最终达到目标检测的目的，这里只是简单介绍一下训练过程。对于目标的准确检测还需要从各个方面进行优化。

整个过程分为三步：

1、创建样本；

2、训练分类器；

3、利用训练好的分类器进行目标检测

为了方便进行创建，这里将opencv安装目录下的bin文件夹拷贝到D:\face文件夹下。

一、创建样本

样本分为两种，正样本和负样本，其中正样本是待检测目标的样本，负样本是不包含检测目标的其他任意图片。所有样本都应该具有相同的尺寸，这里采用的是20*20大小的图片。

创建样本的步骤：

1、将所有正样本图片放置在D:\face\bin文件夹下的posdata文件夹中，所有负样本图片放在negdata文件夹中。

 

2、分别为正样本和负样本创建描述文件。

①为正样本创建描述文件info.txt

a、在命令行输入以下命令，进入到正样本文件夹下：

b、输入如下命令dir /b > info.txt创建正样本描述文件

c、打开生成的info.txt文件，Ctrl+h，将bmp全部替换成bmp 1 0 0 20 20，其中1表示一幅图片，0 0表示左上角坐标，20 20表示图片的尺寸；

d、删除最后一行的info.txt

②为负样本创建描述文件bg.txt

a、在命令行输入cd..回到D:\face\bin目录下

b、输入CD D:\face\bin\negdata，回车，进入到负样本文件夹下

c、输入如下dir /b > bg.txt 命令，创建负样本文件

d、打开生成的bg.txt文件，删除最后一行bg.txt

3、创建样本

bin文件夹下的createsamples.exe文件就是用来创建样本的。

在命令行中输入cd..，回到D:\face\bin目录下；

在命令行输入命令createsamples.exe -info posdata\info.txt -vec data\pos.vec -num 10 -w 20 -h 20，其中data为bin目录下新建的文件夹。

结果如图：

二、训练分类器

在命令行输入命令haartraining.exe -data D:\face\bin\data\cascade0 -vec D:\face\bin\data\pos.vec -bg eD:\face\bin\negdata\bg.txt -npos 10 -nneg 8 -nsplits 2 -mem 512 -nonsym -w 20 -h 20 -minpos 100 -nstages 4

结果如下：

不知道什么原因，停在这里不动了，貌似进入和死循环。

经过多方面查找发现，负样本准备的有问题，正负样本必须是灰度图才可以，将负样本更新为灰度图像之后，重新输入上面的命令，进行分类器训练。结果如下：

在data文件夹中会生成一份可爱的cascade0.xml文档，这个就是我们想要的结果了！

重要！可能遇到的问题：(转)

1.如果跑到某一个分类器时，几个小时也没有反应，而且显示不出训练百分比，这是因为你的负样本数量太少，或者负样本的尺寸太小，所有的负样本在这个分类器都被reject了，程序进入不了下一个循环，果断放弃吧。解决方法：负样本尽量要大一些，比如我的正样本是40*15，共300个,负样本是640*480，共500个。

2.读取样本时报错：Negative or too large argument of CvAlloc function，网上说这个错误是因为opencv规定单幅iplimage的内存分配不能超过10000，可是我的每个负样本都不会超过这个大小，具体原因不明。后来我把负样本的数量减少，尺寸加大，这个问题就解决了。

3.训练的过程可能经常出错，耐心下来不要着急，我在训练MRI分类器的时候失败了无数次。失败的时候有两件事可以做，第一，调整正负样本的数量，再试。第二，调整负样本的大小，祝大家好运。