HAAR、LBP和HOG特征训练分类器

工具：opencv_traincascade.exe，opencv_createsamples.exe位于opencv\build\x86\vc10\bin文件夹下，可用以训练HAAR、LBP和HOG特征训练分类器

训练的过程：
1、训练样本准备
      以行人训练为例，首先正样本是各种各样的行人的照片，负样本就是非人照片。样本个数最好在上千个，太少训练出来的分类器不能准确检测行人，对正负样本的个数比例不尽相同，有的说3:1有的说7:3,我用的正样本有3000个负样本1500个。把正负样本分别放在不同的文件夹下，可以命名为pos、neg。同时也要把opencv自带的训练函数和正负样本一起放到一个文件夹下，用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml
      另外正负样本都要转化成灰度图，而且对于正样本用haar特征训练是规格化成24*24或其他大小，不要太大，过多的haar特征会影响分类器的训练时间；对于LBP特征正样本要规格化为24*24大小，而对于HOG要规格化成64*64. 负样本对尺寸没有统一要求，在训练对应的分类器时，选择的负样本尺寸一定要大于等于正样本规定的尺寸。 a，正样本就是人的图片就行了，尽量包含少的背景。     b，负样本有两点要求：一，不能包含正样本且尽可能多的提供场景的背景图；二，负样本尽可能的多，而且要多样化。

2、对样本进行处理


     以下的处理过程都是在命令行下进行的，在计算机【开始】里面输入“cmd”进入命令行了，进入你刚才新建的包含以上样本的文件夹下  首先进入E盘 直接输入E：就可以了，其次输入“cd boost”就可以进入刚才的文件夹下。输入“CD..”可以返回上一级。用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml，输入dir /b >pos.txt 可以在pos文件夹下生成正样本描述文件，文件是txt文件，包含的内容是正样本中图片的对应序号和格式。把其中的格式jpg改成jpg 1 0 0 24 24，用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml，后面的0 0 24 24是你规格化图片的大小，即矩形框的大小，和你自己规格化的正样本图片大小要保持一致。全部替换以后，再把最后一行的pos.txt删除就可以了。对于负样本，以上生成方式一样，不需要对txt文件的图片格式进行修改，只需要删除最后一行的neg.txt即可。这样正负样本就处理好了。

3、生成样本描述文件
     对正负样本进行以上预处理之后，就可以创建正样本vec文件了。
命令行进入opencv_createsamples.exe文件夹下，依次输入：opencv_createsamples.exe -info pos\pos.txt -vec pos.vec -bg neg\neg.txt -num 2000 -w 24 -h 24 回车之后文件夹下就会出现pos.vec文件。
    用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml
    以上参数的含义如下：
－vec ：训练好的正样本的输出文件名。
－img：源目标图片
－bg：背景描述文件。
－num：要产生的正样本的数量，和正样本图片数目相同。
－bgcolor：背景色（假定当前图片为灰度图）。背景色制定了透明色。对于压缩图片，颜色方差量由bgthresh参数来指定。则在bgcolor－bgthresh 和bgcolor＋bgthresh 中间的像素被认为是透明的。
－bgthresh

－inv：如果指定，颜色会反色
－randinv：如果指定，颜色会任意反色
－maxidev：背景色最大的偏离度。
－maxangel，
－maxangle，
－maxzangle：最大旋转角度，以弧度为单位。
－show：如果指定，每个样本会被显示出来，按下"esc"会关闭这一开关，即不显示样本图片，而创建过程
继续。这是个有用的debug 选项。
－w：输出样本的宽度（以像素为单位）
－h：输出样本的高度（以像素为单位）

4、训练分类器
      在cmd命令行下输入：opencv_traincascade.exe -data xml -vec pos.vec -bg neg\neg.txt -numpos 1800 -numneg 1200 -numstages 20 -featureType LBP -w 24 -h 24

训练过程中出现的问题解决：

         1.  生成样本文件pos.txt 时把最后一行空行删除掉，不然就会报“Train dataset for temp stage can not filled. Branch training terminated. Cascade Classifier can’t be trained. check the used training parameters” 这样的错误。

        2.   训练时报错“Traincascade Error: Bad argument (Can not get new positive sample. The most possible reason is insufficient count of samples in given vec-file“，很多人会卡在这里，这里的-numPos 不是正样本的总数，可以利用下面的公式求解-numPos，过程如下：
                          vec-file number >= (numPos + (numStages-1) * (1 – minHitRate) * numPos) + S
       vec-file number  就是我们的正样本总数 假设参数如下，正样本总数=5085，numstages=20,minHitRate=0.98,S 表示负样本总数也就是等于2177，这样我们可以就差numPos<=2628.9,所以我们这里的numPos应该去2628，这样正确地输入格式应该是这样的：
      opencv_traincascade -data classifier -vec positives.vec -bg negative.txt -numPos 2628 -numNeg 2177 -numStages 20 -precalcValBufSize 5000 -precalcIdxBufSize 5000 -minHitRate 0.98 -maxFalseAlarmRate 0.5 -weightTrimRat 0.95 -w 24 -h 24 -mode ALL