OpenCV级联分类器训练（二）——参数注解
紧接上一篇文章http://blog.csdn.net/xiao_lxl/article/details/44645969 OpenCV 级联分类器训练(一)——步骤和方法
级联分类器训练中命令行和训练过程中参数注释：
命令行：
-data: 指定生成的文件目录
-vec: vec文件名（.vec）
-bg: 负样本描述文件名（.dat）
-npos: 在每个阶段用来训练的正样本数目
-neg: 在每个阶段用来训练的负样本数目，这个值可以设置大于真正的负样本图像数目，因为程序会自动从负样本图像中切割出和正样本大小一致的图像块，这个参数一般设置为正样本数目的1~3倍。
-nstages:训练级数，推荐使用15~20，一般层数越高，耗时越长。
-mem: 程序可使用的内存，一般设为256即可。实际运行时一般不怎么占用内存，以MB为单位
-nonsym: 后面不用跟参数，用于指定目标对象是否垂直对称
-minhitrate:最小命中率，即训练目标的准确度。这里设为0.99。
-maxfalsealarm:最大虚警（误检率），每层训练到这个值小于0.5时结束，进入下一级训练。
-weighttrimming:指定是否使用权修正和使用多大的权修正，一般选择0.9.
-mode:all指定Harr类型，BASIC仅仅使用垂直特征，ALL使用垂直以及45度旋转特征
-w: 正样本图像的宽，训练样本的尺寸必须和训练样本创建的尺寸相同
-h: 正样本图像的高
注意：
1）最大虚警率-maxfalsealarm和最小命中率-minhitrate的设置的关联性。
系统首先根据命中率进行分类，然后计算虚警率，如果虚警率高于最大虚警率，则系统就抛弃该分类器，而建立下一个分类器。
虚警率和命中率是每阶训练产生的相应值级联，每阶训练结束后虚警率和命中率都会进行更新。
2）分类器训练过程中的阶数设置。训练的阶数的选择，根据提供的正负样本的数量进行设置。
如果正负样本较少，最好不要把阶数设置过大，这会使训练程序出错，训练不成功。
如果分类器效果不好，还可以在原来训练成果的分类器基础上，增加训练阶数接着进行训练，这样会使样本误判的概率下降。
3）正负样本比例问题：比例大约1:3的样子比较好，1:3或者1:4训练出来的分类器要优于1:1或者1:9，原因是正负样本比例接近时，对负样本的命中程度低（实际中负样本肯定远远多于正样本），正负样本比例较大（比如1:9）时，重视负样本的统计特性而忽略了正样本的统计特性，造成正样本权重总和小，当权重小于一定程度的时候可能很大一部分正样本都不参与训练了(在weightTrimRate=0.95时)。
4） minHitRate：分类器的每一级希望得到的最小检测率。总的检测率大约为minHitRate ^ numStages。影响每个强分类器阈值，当设置为0.95时如果正训练样本个数为12000个，那么其中的600个就很可能被判别为负样本，第二次选择的时候必须多选择后面的600个，按照这种规律我们为后面的每级多增加numPos*minHitRate个正样本，根据训练的级数可以得到如下公式
numPos+（numStages-1）*numPos*（1-minHitRate），即需要准备的训练正样本个数
5） maxFalseAlarm：分类器的每一级希望得到的最大误检率。总的误检率大约为maxFalseAlarm ^ numStages，.影响每个强分类器中弱分类器的个数，设置较大，每级可以滤除负样本的比例就较小，这样在测试过程中虚警率就较高；设置较小，每级强分类器中弱分类器的个数就较多，检测时间就会相对要长，在可以接受的检测时间下尽量降低maxFalseAlarm是我们要追求的目标
关于负样本的选择，因为每级剩下的负样本个数低于numNeg*maxFalseAlarm，在第二轮选择的时候从之前选择的负样本后面继续选择，而不是重头开始将选择过的负样本也包含进来，只有当遍历完一遍负样本列表后才重头在扫描一遍
6） weightTrimRate：影响参与训练的样本（不管是正样本还是负样本），当更新完样本权重之后，将样本权重按照从小到大的顺序排列，从后面开始累加样本权重大于weightTrimRate时，前面的样本就不参与后面的训练了
7） maxWeakCount：决定每级强分类器中弱分类器的最大个数，当FA降不到指定的maxFalseAlarm时可以通过指定最大弱分类器个数停止单个强分类器。
8） boost参数(maxDepth、bt)：影响决策树构建的法则以及权重更新策略
训练过程中出现的dos窗口：
N: 训练层数
SMP: 样本占总样本个数
F:
ST.HR: 阈值
HR: 击中率
FA: 虚警，只有当每一层训练的FA低于你命令中设置的maxfalsealarm数值，才会进入下一级训练
EXP.ERR: 经验错误率
Parentnode：9 表示现在训练到第9级。