用OpenCV自带的haar training程序训练分类器并测试

一、准备正负样本

1、 最好大小均一致，本次用的是35*35
2、 准备数量：正负样本均达200以上，正样本数量是负样本的两倍左右。建议：正样本—1500，负样本—3000，当然越多越好
3、 样本不能重复，防止出现过拟合，定位效果不佳

二、批量修改图片名称

首先需要对图片名称进行批量处理，建议使用Total_Commander，这里给一个破解版的下载链接：http://download.csdn.net/download/sinat_30071459/9582586
使用很方便，打开TOTALCMD64.EXE，然后选择需要批量处理名的所有图片，建议选择000001.jpg、000002.jpg..格式，只需要在TOTALCMD64.EXE中名称格式选择N，字符宽选择6即可

三、生成txt文件

我这里写了两个简单的python脚本，亲测可行（NOTE：如果你在windows下训练就在windows下执行该脚本生成txt，该txt不能被linux用，会出现内存错误。在linux下训练只需在linux下执行该脚本生成txt即可）
还需要注意一点：txt中图片名称都是相对路径，即我当前目录中要有所有的txt和neg图片文件夹与pos图片文件夹

#pos.txt
boot_path='/home/ubuntu/workspace/build-information-list/'
name='pos'
full_path=boot_path+name+'.txt'
with open(full_path,'w') as file:
    for i in range(1,1501):
        s=str(i)
        ss=s.zfill(6)
        file.write('pos/'+ss+'.jpg'+' '+'1'+' '+'0'+' '+'0'+' '+'35'+' '+'35')
        file.write('\n')
file.close()
print "Done"

#neg.txt
boot_path='/home/ubuntu/workspace/build-information-list/'
name='neg'
full_path=boot_path+name+'.txt'
with open(full_path,'w') as file:
    for i in range(1,3001):
        s=str(i)
        ss=s.zfill(6)
        file.write('neg/'+ss+'.jpg')
        file.write('\n')
file.close()
print "Done"

四、生成vec

NOTE:opencv文件在我当前目录的前前文件夹
只需执行

./../../opencv2.4.9/build/bin/opencv_createsamples -vec pos.vec -info pos.txt -num 1500 -w 35 -h 35

就会在当前文件夹下生成名为pos.vec

五、训练

./../../opencv2.4.9/build/bin/opencv_haartraining -data xml -vec pos.vec -bg neg.txt -nstages 7  -npos 750 -nneg 1500 -mem 1280 -mode all -w 24 -h 24

data为生成xml文件夹，bg为副样本txt，-nstages 7为训练层数为7，训练时间会随着训练层数的数目呈指数增长。mem为分配内存，单位MB，-mode all 表示使用haar特征集的种类既有垂直的，又有45度角旋转的。
可在当前文件夹下生成xml文件夹

六、测试

//#include "iostream.h"
//#include "stdafx.h"
#include "highgui.h"
#include "cv.h"
#include 

static CvHaarClassifierCascade* cascade=0;
static CvMemStorage* storage=0;
void detect_and_draw(IplImage* img);
const char* cascade_name="tiaotong.xml";  //此xml文件是刚才你产生的，拷贝到项目文件中，把名字改了

int main(int argc,char* argv[])
{
    cascade=(CvHaarClassifierCascade*)cvLoad(cascade_name,0,0,0);
    if (!cascade)
    {
        fprintf(stderr,"ERROR!\n");
        return -1;
    }
    printf("fwfwefwe\n");

    storage=cvCreateMemStorage(0);
    const char* filename="000062.jpg";      //你要测试的图片名字
    IplImage* image=cvLoadImage(filename,1);

    printf("fwfwefwe\n");
    if (!image)
    {
        fprintf(stderr,"Load image error!\n");
        return -1;
    }

    cvNamedWindow("result",1);
printf("fwfwefwe\n");
    detect_and_draw(image);
printf("fwfwefwe\n");
    cvWaitKey();
printf("fwfwefwe\n");
    cvReleaseImage(&image);
    cvDestroyWindow("result");
    return 0;
}

void detect_and_draw(IplImage* img)
{
    static CvScalar colors[]=
    {
        {{0,0,255}},
        {{0,128,255}},
        {{0,255,255}},
        {{0,255,0}},
        {{255,128,0}},
        {{255,255,0}},
        {{255,0,0}},
        {{255,0,255}}
    };

    double scale=1.3;
    IplImage* gray=cvCreateImage(cvSize(img->width,img->height),8,1);
printf("fwfwefwe\n");
    IplImage* small_img=cvCreateImage(cvSize(cvRound(img->width/scale),cvRound(img->height/scale)),8,1);
printf("fwfwefwe\n");
    cvCvtColor(img,gray,CV_BGR2GRAY);
    cvResize(gray,small_img,CV_INTER_LINEAR);
    cvEqualizeHist(small_img,small_img);
printf("fwfwefwe\n");
    cvClearMemStorage(storage);
printf("fwfwefwe\n");
    if (cascade)
    {
        CvSeq* faces=cvHaarDetectObjects(small_img,cascade,storage,1.1,2,0,cvSize(30,30));
printf("fwfwefwe\n");
        for (int i=0;i<(faces ? faces->total:0);i++)
        {
            CvRect* r=(CvRect*)cvGetSeqElem(faces,i);
            CvPoint center;
            int radius;
            center.x=cvRound((r->x+r->width*0.5)*scale);
            center.y=cvRound((r->y+r->height*0.5)*scale);
            radius=cvRound((r->width+r->height)*0.25*scale);

            cvCircle(img,center,radius,colors[i%8],3,8,0);
printf("fwfwefwe\n");
        }
    }
printf("fwfwefwe\n");
    cvShowImage("Result",img);
printf("fwfwefwe\n");
    cvReleaseImage(&gray);
printf("fwfwefwe\n");
    cvReleaseImage(&small_img);
}

七、结果

由于我只训练了4层，图片质量也不好，所以效果很垃圾 –。–

八、参考

http://blog.csdn.net/liulina603/article/details/8184451
http://blog.sina.com.cn/s/blog_843485230101hjs7.html
http://blog.csdn.net/carson2005/article/details/8171571
http://blog.csdn.net/kxc0720/article/details/49252719
http://blog.csdn.net/itismelzp/article/details/50378468