OpenCV - 训练分类器
一．收集样本
正样本：待检目标样本
负样本：其它任意图片
PS.所有样本图片都应该有同一尺寸，如20 * 20
ACDSee软件：对图像批量处理为20x20大小的图片
1.把所有正样本图片放在posdata的文件夹下，把所有负样本图片放在negdata文件夹下
负样本数量应大于正样本数量，如(3:1)，否则在训练时会陷入死循环。。。
1.分别为正样本和负样本创建描述文件
(1)为正样本创建描述文件格式文件info.txt，并且把这个文件放在与样本图片同一目录下,D:\OpenCv\opencv\build\x64\
vc12\bin\posdata
a)在命令行下 输入以下命令： dir/b > info.txt
b)删除info.txt最后一行的 “info.txt”
c)打开info.txt, 按ctrl+h, 把所有的”bmp” 换成
“bmp 1 0 0 20 20”
1代表一个文件 ||0 0顶点坐标 || 20 20右下顶点坐标
(2)为负样本创建集合文件格式文件bg.txt, 并且把这个文件放在与样本图片同一目录下
a)在命令行下 输入以下命令： dir /b > bg.txt
b)删除bg.txt最后一行的 “bg.txt”
二．创建样本
Ps: createsamples程序的命令行参数
| info |
正样本描述文件 |
| vec |
训练好的正样本的输出文件名 |
| num |
要产生的正样本的数量，和正样本图片数目相同 |
| －w －h |
样本的宽高 |
执行脚本后，将生成正样本描述文件a.vec
-------------------------------------------------------------
其他的一些参数：
－img
源目标图片（例如：一个公司图标）
－bg
背景描述文件。
--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。
结果：
二．训练级联分类器
Ps: Haartraining的命令行参数如下
| data |
存放训练好的分类器的路径名 |
| vec |
正样本文件名（由trainingssamples程序或者由其他的方法创建的）绝对路径 |
| bg |
背景描述文件。绝对路径 |
| npos |
用来训练每一个分类器阶段的正样本数量Ps:正样本的数目(-npos)要略大于实际数 |
| nneg |
用来训练每一个分类器阶段的负样本数量 |
| nstages |
训练的阶段(层)数 |
|
nsplits |
决定用于阶段分类器的弱分类器。如果值为1，则一个简单的stump classifier被使用。如果是2或者更多，则带有number_of_splits个内部节点的CART分类器被使用 |
| mem |
预先计算的以MB为单位的可用内存。内存越大则训练的速度越快 |
|
nonsym |
指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对称的 |
| mode all |
表示使用haar特征集的各类既有垂直的，又有45度角旋转的 |
| －w |
训练样本的尺寸，（以像素为单位）。必须和训练样本创建的尺寸相同 |
其他的一些参数：
－sym（default）
－minhitrate
－maxfalsealarm
没有阶段分类器的最大错误报警率。总的错误警告率为 max_false_alarm_rate的number_of_stages次方。每一层训练到这 个值小于0.5时训练结束，进入下一层训练
－weighttrimming
指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9
－eqw
－mode
选择用来训练的haar特征集的种类。basic仅仅使用垂直特征。all使用垂直和45度角旋转特征。
Ø 参数的配置十分重要，很多时候训练不成功多是因为参数的配置问题！！！
-----------------------------------------------------------
训练过程参数值解释：
N：层数 %
SMP：样本的使用率
F : +表示通过翻转，否则是-
ST.THR : 分类器的阈值
HR：当前分类器 对正样本识别正确的概率
FA：当前分类器 对负样本识别错误的概率
EXP.ERR : 分类器的期望错误率
-----------------------------------------------------------
结果：
四．测试
测试代码：人脸识别
因样本数量仅为 5 所以无精度可言
五．错误分析
1.死循环
原因：
负样本数太少，该阶段已无可提取负样本
解决方法：
正 : 负 = 1 : 2.5~3
2.停止工作
报错信息：
参数配置：
原因：
在第一层训练的时候已经用完了vec文件中所有的正样本，以至于在后续的样本训练中没有新的正样本可以加入使用了，导致出现了错误的现象。
那个vec文件中的正样本数目
= npos +（nstages - 1）*（1 - minHitRate）* npos + s
S的意思是指在正样本中能够直接识别成背景的样本个数，如果npos=120的话，s的取值为个位数就行，不用太大。
解决方法：
在训练时，-npos参数值取 正样本数的 1/3
如 实际正样本数为 300 参数取值则设为 100
源码与文档资料
http://download.csdn.net/download/sgamble/9660734
参考资料
OpenCV 训练分类器生成XML文件
训练分类器
训练参数设置
英语-训练分类器,参数设置,人脸检测