训练分类器总结篇（1）
摸索了3天多的训练分类器，身心俱备。不过还好弄懂了一些训练的方法。之前在WIN7训练没成功过一次，怒装WIN10系统，放WIN10上面训练。opencv版本使用的是2.4.9.
1、找到正样本和负样本，使用“美图看看”软件来修改图片格式和尺寸。我这里正样本565张，负样本687张。正样本为有柱子的图片，负样本为没有柱子的图片。
2、创建文件夹，我这里pos和neg是手机照片的原图，pos2和neg2是使用美图看看软件修改之后的图片。pos文件夹中的图片格式为.bmp，大小为20*20。neg文件夹中的图片格式为.bmp。把opencv_createsamples.exe和opencv_traincascade放到同一文件夹下面。
之后开始准备正样本，在pos2文件夹创建bat文件，指令为：
dir /b > pos.dat修改图片的路径，如下图
然后获取训练的vec文件，指令为：
opencv_createsamples.exe -info pos2\pos.dat -vec pos\pos.vec -num 565 -w 20 -h 20负样本准备直接拿原图就行了，最好也是.bmp格式，在neg2文件夹下面输入指令：
dir /b > neg.dat3、开始训练，注意data文件自己创建，下面的是开始训练的截图：
指令：
opencv_traincascade.exe -data data -vec pos2\pos.vec -bg neg2\neg.dat -numPos 565 -numNeg 687 -numStage 15 -w 20 -h 20 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -mode ALL
4、如果出现错误，不必害怕，继续连接前面的训练数据继续训练就行。只要出现了stage的文件，说明已经在训练了，继续训练下去。
5、训练成功截图，总算得到了我所需要的“cascade.xml”文件。
6、测试效果（含测试代码），手机照的相片尺寸有点大，自己用软件改小一点。
#include "opencv2\opencv.hpp"
#include
using namespace std;
using namespace cv;
int main()
{
string xmlPath = "cascade.xml";
CascadeClassifier ccf; //创建分类器对象
Mat img = imread("test11.bmp");//目标检测图片
if (!ccf.load(xmlPath)) //加载训练文件
{
cout << "Can not load the xml file." << endl;
return 0;
}
vector faces; //创建一个容器保存检测出来的脸
Mat gray;
cvtColor(img, gray, CV_BGR2GRAY);//灰度图转化，提取Haar特征
equalizeHist(gray, gray); //直方图均衡
//resize(gray, gray, Size(128, 128), 0, 0, CV_INTER_LINEAR);
ccf.detectMultiScale(gray, faces, 1.1, 3, 0, Size(80, 225), gray.size()); //检测脸,此处的Size(x,y)参数x，y检测前需调整到合适数值
for (vector::const_iterator iter = faces.begin(); iter != faces.end(); iter++)
{
rectangle(img, *iter, Scalar(0, 155, 255), 2, 8); //画出脸部矩形
}
imshow("test", img);
waitKey(0);
return 0;
} 
注意：这次测试虽然有一定的效果，但是样本数量还是太少，继续增加样本来增加准确度。推荐正样本与负样本比例1：3左右。
参考：
【1】http://blog.csdn.net/wuxiaoyao12/article/details/39227189