opencv分类器训练方法

训练前先扫读一下这篇文章;(级联分类器训练)

python+opencv实现人头检测

一、工具，样本数据准备；

分类器工具集下载

人头识别 分类器训练数据集

二、文件夹环境

下面8个工具在这里（分类器工具集下载）

posdata中存放正样本 negdata 存放负样本下载地址：（人头识别 分类器训练数据集）

三、开始训练：

dos命令下进入 这个目录；执行dir /b >posdata.dat生成posdata.dat文件

dos命令下进入 这个目录；执行dir /b >negdata.dat生成negdata.dat文件

这样正负样本的数据文件都在其各自目录下生成了，接下来进行修改数据文件。打开数据文件的编辑界面，删掉数据文件最后面的posdata.dat，同理删除负样本数据文件里面的negdata.dat。如图： 

接下里修改数据文件成我这样，posdata.dat： 

negdata.dat： 

解释下 1 0 0 20 20这个参数的意思，1代表文件，0 0 20 20，是这个目录下每一张图片的坐标，因为是二维的，而且我正样本所有图片全是20*20像素的，所以就是（0,0）点到（20,20）点，即是读取图片时，从左下角扫描到右上角。 
注意：在负样本的数据文件里面，要给每一个图片文件加上他的相对地址，因为默认我们训练时，是在negdata的父目录下进行，即是你创建的训练文件夹下进行。

3.准备工作已经完成，下面开始训练具体操作，首先用opecv_createsamples.exe生成样本描述文件pos.vec。命令如下：

opencv_createsamples.exe -info posdata\posdata.dat -vec data\pos.vec -num 3900 -w 20 -h 20

• 1
• 2

生成了正样本描述文件后，接下来就是用opencv_traincascade.exe进行分类器的生成。命令如下：

opencv_traincascade.exe -data data1 -vec data\pos.vec -bg negdata -numPos 3900 -numNeg 23000 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -featureType HAAR -numStages 20 -w 20 -h 20

• 1
• 2
• 3

各个参数的意思我这里就不赘述了，给一篇大牛写的文章，大家自行参考。http://note.sonots.com/SciSoftware/haartraining.html#e134e74e

接着，等着他训练完成就行。这是个漫长的过程！