训练自己的Adaboost级联分类器并识别物体（二）

本文主要用于生成基于HAAR特征的Adaboost级联分类器。本文输出为级联分类器体现为.xml文件，输入是上文描述的正样本描述文件sample_pos.vec文件和负样本描述文件sample_neg.dat文件。

本文依赖以下两个OpenCV的工具：

• 训练用的opencv_haartraining.exe，该程序封装了haar特征提取以及adaboost分类器训练过程；
• haarconv.exe（老版本命名法）或者convert_cascade.exe（新版本命名法），该程序用于合并各级分类器成为最终的xml文件。
  

本文建议事先阅读本文第三节注意事项，对可能出现的问题做好心理准备。

一、训练分类器

打开CMD，输入以下命令：

opencv_haartraining.exe -data ./cascade -vec ./pos/sample_pos.vec -bg ./neg/sample_neg.dat -npos 20 -nneg 60 -mem 200 -mode ALL -w 20 -h 20

以上命令的参数说明如下：

-data 指定生成的文件目录， -vec vec文件名， -bg 负样本描述文件名称，也就是负样本的说明文件(.dat) -nstage 20 指定训练层数，推荐15~20，层数越高，耗时越长。-nsplits 分裂子节点数目,选取默认值 2 -minhitrate 最小命中率，即训练目标准确度。-maxfalsealarm最大虚警(误检率)，每一层训练到这个值小于0.5时训练结束，进入下一层训练，-npos 在每个阶段用来训练的正样本数目，-nneg在每个阶段用来训练的负样本数目 这个值可以设置大于真正的负样本图像数目，程序可以自动从负样本图像中切割出和正样本大小一致的,这个参数一半设置为正样本数目的1~3倍 

-w -h样本尺寸，与前面对应 -mem 程序可使用的内存，这个设置为256即可，实际运行时根本就不怎么耗内存，以MB为单位 

-mode ALL指定haar特征的种类，BASIC仅仅使用垂直特征，ALL表示使用垂直以及45度旋转特征-sym或者-nonsym，后面不用跟其他参数，用于指定目标对象是否垂直对称，若你的对象是垂直对称的，比如脸，则垂直对称有利于提高训练速度

训练结束后会在cascade目录下生成0-N的子目录。训练过程如下图

在以上训练过程图中，会出现很多参数简称，简称的具体含义如下：

BACKGROUNG PROCESSING TIME 是负样本切割时间，一般会占用很长的时间N 为训练层数%SMP 样本占总样本个数ST.THR 阈值，HR 击中率，FA 虚警，只有当每一层训练的FA低于你的命令中声明的maxfalsealarm数值才会进入下一层训练EXP.ERR 经验错误率

二、合并分类器生成xml文件

输入命令：

convert_cascade.exe --size="20x20" ./cascade haar_adaboost.xml

以上如果系统中没有convert_cascade，可以搜索convert_cascade.c文件，用任一编译器编译生成可执行文件。放在识别的根目录。注意--size参数中应该是20x20，中间符号是字母x而不是星号*。应该注意加以区别。该命令即可生成.xml文件。

三、注意事项

1. 训练分类器时曾经出现过“invalid background description file”提示，出现的原因是因为我之前是按照训练自己haar-like特征分类器并识别物体（1）博客的内容采集负样本，并生成负样本说明文件。该博文生成的负样本说明文件每行的基本格式为1.jpg 1 0 0 40 40，其中1 0 0 40 40是多余的，去掉之后即可正常运行命令。
2. 训练时间非常久，少则秒钟，多则几天甚至一礼拜。具体的时间跟你样本的选取、样本数量、机器的性能有着直接联系。举个例子，有人正样本7097负样本2830，在8核3.2Ghz的机器上，开启了多核并行加速(MP)的情况下训练了一周时间，跑到19层。链接Adaboost训练过程使用心得 。这个真心有点久了，有点夸张。举这个例子是想跟你说明，这是一件耗时间的事情，所以请你耐心等待。
3. 卡死在某一层，好像进入死循环。这种情况一般跟样本的选择有关，尤其是负样本。当剩下所有的negtive样本在临时的cascade Classifier中evaluate的结果都是0（也就是拒绝了），随机取样本的数目到几百万都是找不到误检测的neg样本了，因而没法跳出循环！解决办法是：增加负样本数目，增加负样本之间的变化。如果过程中FA已经很低，则直接Ctrl+C终止即可。
4. 训练带某一层出错，报错提示下图。查看cascade目录下发现确实走到第5层。这种情况跟上一种情况其实有点类似，都是opencv_haartraining.exe无法正常terminate。而我们的关注点在于，所生成的这些子分类器能用吗？要依实际情况而定。拿下图来说，在第5层的时候FA已经很低了，0.125000，说明效果已经够用。2.中也是这个道理。