OpneCV人脸识别：训练篇

闲来想完善一下之前做的汽车运动检测的工程，打算认认真真的将整辆车给识别出来，可是唯一的问题是，我手上没有足够的用来做训练的素材，于是从很流行的人脸识别开始，探求一下机器识别的流程如何。花了一些时间，在此作一下笔记。

一、使用TBB编译opencv_traincascade.exe

会跳到我这篇博文里来的童鞋，多是已经参考网上其他的文章，大概的流程估计已经知晓，文档式的内容我尽量少提。简单的提一下，视觉识别的过程主要是训练跟检测两项内容，此篇只讲训练。对基本素材的训练需要运用到opencv的两个自带的程序：opencv_createsamples.exe跟opencv_traincascade.exe（opencv_haartraining.exe据说是已经落后的东西就略过）。前者是用来用来准备训练用的正样本数据和测试数据，后者则是用来作训练用的，其具体介绍请自行google，我之所以要重新编译opencv_traincascade.exe，是因为opencv自带的程序不支持多核心运算，在跑了一个晚上后我坚决用TBB来重新编译，好让它支持cpu的多核性能。

使用TBB来编译opencv请参考这里，这篇文章的内容其实说得挺清楚的，但会有漏讲一些东西，像最后使用visual studio重新编译的时候会提示少了一些TBB的lib跟opencv的lib，少TBB的lib只需要在工程属性里添加库包含目录，少opencv的lib，则需要将提示缺少的lib全部拷贝一下就行（你实际操作的时候会清楚我说什么的啦）。然后你就可以在新编译出来的工程bin目录下看到支持TBB的opencv_traincascade.exe，我个人用的是VS2013编译的x64版本，我将其打包放到这里，可以提供给朋友们作训练测试。

其实效果挺明显，自带的opencv_traincascade作训练，程序的cpu占用率就25%，用我新编译的程序用训练cpu就暴到85%左右，今天用了一个半小时就训练完跑了之前要大半天的程序。（只是现在卡在stage 9那里，cpu占用率回到25%，程序到底有没有正常运行我很怀疑，但我用了7000张的图片，训练需要一定的耗时，也可能执行到不支持多核运算的步骤，跑到明天再见分晓吧。）

二、准备训练素材

（1）准备正负样本的图片素材

这是一个最重要的步骤，也是最痛苦的步骤，原来这世上是有这类东西的数据库的，经过几层跳转，我down到某个人脸识别的数据库（其原始链接我找不回来），正负样本共约7000的图片，因为ACDSee无法识别其格式，我又折腾地用PS批量转成了bmp格式，我放到这里供大家下载（见过这么用心的博主没？看过此文的人请多手点个赞吧。）什么叫正负样本？请自己google吧。

（2）编写正负样本描述文件

为方便管理，在C盘根目录下建一个文件夹(希望SSD会有点用)，名为CvFile，将有正负样本的图片文件夹（分别叫face_bmp_2429、nonface_bmp_4548）放到里边去。在CvFile目录下新建个txt文件，起名叫face_2429_info.txt，如下面这么填内容：

//图片路径 数量 有效内容矩形信息
face_bmp_2429\face00001.bmp 1 0 0 19 19
face_bmp_2429\face00002.bmp 1 0 0 19 19
face_bmp_2429\face00003.bmp 1 0 0 19 19
face_bmp_2429\face00004.bmp 1 0 0 19 19
face_bmp_2429\face00005.bmp 1 0 0 19 19
...

内容可以用绝对路径的，为方便起见，要统一正样本的尺寸，“19 19”是图片的尺寸信息，这个很重要，这两个数据整个训练过程都要一致的。如果有人用自定义的素材，生成这个文本描述文件可以用命令行，也可以自己编代码来生成，请各自便（我是自己写了个程序，有需要的朋友问我要）。

负样本的描述文件就简单多了，同样新建一个叫non_face_4548_info.txt的文本文档，像以下这样编写就行，只需要写清楚路径就可以了。

//图片路径
nonface_bmp_4548\nonface0001.bmp
nonface_bmp_4548\nonface0002.bmp
nonface_bmp_4548\nonface0003.bmp
nonface_bmp_4548\nonface0004.bmp
nonface_bmp_4548\nonface0005.bmp
nonface_bmp_4548\nonface0006.bmp
...

一开始，我没找到样例，结果负样本的描述文件跟正样本弄成一样的，给果在训练时程序会提示“无效的背景描述文档（本是en文，忘了拼写）”，所以理论上负样本是不管图片大小的，只要满足“不包括目标物体的内容”这唯一条件即可。

（3）创建样本VEC文件

vec文件主要用于作训练用的，这是很关键的一个步骤，首先我们要找到opencv_createsample.exe这个程序，为省去麻烦，我是将opencv\build\x64\vc12\bin里的全部内容拷贝到CvFile文件夹里的，里面有opencv_createsample.exe这个文件。

使用命令行工具，定位到CvFile，启动opencv_createsample.exe，如下图输入命令:

opencv_createsamples.exe -vec pos.vec -info face_2429_info.txt -bg non_face_4548_info.txt -num 2429 -w 19 -h 19

成功运行会有如下图的提示：

命令的参数意义还是自己去查吧，关键的地方是-w -h两个参数须与正样本图片一致，CvFile文件下会生成一个pos.vec的文件，这就是接下来训练用的vec文件，那素材的准备就大功告成了。至于为什么我不用bat文件来启动程序，那是因为我没法为你们截图啊。

三、训练

好了，最让人关心的训练开始啦。先在CvFile新建一个文件夹mydata，这个是用来放cascade结果跟中间文件用的，网上很多教程没提这个事，否则会造成训练失败的。

同样使用cmd写下启动opencv_traincascade.exe程序的命令如下：

opencv_traincascade.exe -data mydata -vec pos.vec -bg non_face_4548_info.txt -numPos 2000 -numNeg 4000 -numStages 20 -featureType HAAR -w 19 -h 19 -mode ALL

需要注意几个参数，mydata就是上面新建的结果文件夹；-numPos及-numNeg的数值要比实际的样本数略小；-featureType有HAAR及LBP两种（HAAR - 类Haar特征； LBP - 局部纹理模式特征），前者是默认的，其区别请google，如果你想尽快看到训练结果可以将其设为LBP，其运行是相当快速的；-w -h参数则如我一直强调的，要通篇一致。正常运行如下图所示：

然后，就没有然后了，你就慢慢等训练结果出来吧，你可以查看mydata文件夹下的里的内容，等训练结束会存在cascade.xml的文件——这才是我们最终需要在检测用到的东西。个人太贪心，样本太多，stage数太多，现在一直卡在9-stage下，等出了结果我再写检测篇吧。