Ubuntu使用haar+adaboost训练进行手势识别

手势识别开源代码千千万，为啥我要用此方法，原因有三：
首先，我们项目要求这个手势识别是不分环境的，也就是半夜三更黑灯瞎火也能用，这一下子就把纯RGB的方式给去除了，而且也要考虑用户戴手套（手套颜色不限制）使用，那么肤色过滤什么的咱们再见；
其次，我们的运行主板计算量真的很弱鸡，深度学习推测什么的就别想跑了；
最后，我们只能选择深度信息来进行手势识别，深度信息的话可以有两种处理方式，一种是对深度灰度图像进行处理，一种是转换成点云用借助PCL进行处理，博主我以前玩过haar+adaboost做猫脸检测，所以就先试试对深度灰度图像进行处理。

正样本制作

正样本的图片我是从网上下载的，网址->Hands

总共11076张，我只选择了其中的1000张，然后我写了一个脚本将这些图片二值化：

#!/usr/bin/python
# -*- coding: utf-8 -*-
import cv2
import os

path = '/home/ian/Downloads/hands/negative'
files = os.listdir(path)
for file in files:
    img = cv2.imread(path + '/' + file)
    gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转为灰度图
    ret, thresh1 = cv2.threshold(gray_img, 220, 255, cv2.THRESH_BINARY_INV) #二值化
    img = cv2.resize(img, (img.shape[1]/8, img.shape[0]/8), interpolation=cv2.INTER_CUBIC) #缩放
    cv2.imwrite('/home/ian/Downloads/hands/' + file, img)

尺寸是40X30，然后需要制作一个正样本的描述文件，我是用脚本弄的，生成的描述文件和图片放在同一个目录下即可

#!/usr/bin/python
# -*- coding: utf-8 -*-
import os
files = os.listdir('.')
f = open('./pos.txt','a')
for file in files:
    file = 'positive/' + file
    file = file + ' 1 0 0 40 30' # 数量 1 ，特征从像素0 0 到40 30
	f.writelines(file + '\n')
f.close()

后来我发现直接用这个就可以了： ls ./neg/. > neg.txt

生成的描述文件如下：

负样本制作

负样本制作和正样本类似，我是自己通过深度相机录制了5000张负样本图片，负样本的图片尺寸是80X60（没办法，训练主机太弱，太大的话算到猴年马月了）
好了，有了正负样本，下面就有进入关键的两个步骤了

样本处理

生成vec文件

进行训练需要用到一个后缀为vec的文件，生成办法可以通过opencv自带的opencv_createsamples，使用的例子如下，其余参数可以看其帮助。

opencv_createsamples.exe -vec pos.vec -info positive/pos.txt -bg negative/neg.txt -w 40 -h 30 -num 1000

经过这一步，就能获得在当前目录下获得一个叫pos.vec的文件，接着为了报错，在当前目录创建一个data的空文件夹，之后，输入以下指令，我们就开开心心等着开始训练吧。

opencv_traincascade -data ./data -vec ./pos.vec -bg ./neg.txt -numPos 700 -numNeg 3500 -numStage 15 -w 40 -h 30 -minHitRate 0.99 -maxFalseAlarmRate 0.5 -mode ALL

训练过程

遇到的问题

当我敲下训练指令时，报错接踵而至，让我措手不及，首先第一个是：

Train dataset for temp stage can not be filled. Branch training terminated.

解决办法：这是因为训练器找不到图片路径，检查一下程序去读描述文件时是否能够找到图片。