《OpenCV训练级联分类器》
我是个初学者，我只想把我所学到经验分享一下，不好勿喷。
一.寻找传说中的opencv_traincascade.exe和opencv_createsamples.exe
opencv里自带了opencv_traincascade.exe，opencv_createsamples.exe这两个东东，找出来新建一个文件夹，把这两二货放进去。解释一下：opencv_createsamples.exe是用来创建正样本vec文件的（也就是正样本描述文件），而opencv_traincascade.exe则是用来训练的。
二.正样本和负样本之间微妙关系
正样本：就是你要检测的目标（假如说你要检测一个杯子，那么杯子就是正样本）
负样本：这个就是不包括正样本的图片
1.网上传言：有的人说正样本尺寸应尽量保持在20x20，也有的人说应该看要检测的是什么东西，再保持图片的尺寸，但我选择的是20*20的，而负样本的尺寸就没有那么多要求了啦，一般比正样本的尺寸大就行了，大多少，就看你自己选择了，40*40,50*50都行吧。如果能把图片换成灰度图就更好了，这样可以加快训练的速度。
2.还是网上传言：话说正样本和负样本应该选多少合适呢？毕竟你妹的裁剪图片是个耗时耗力的活儿，一不注意一下午就过去了。有人说1:3，也有人说3:1,7:1之类我的想法就是不管啦，各种情况都试一下。有人试过用几万个正样本去训练，但我一般就用几百到几千，还没试过几万的。事先说明一下，样本越多，训练时间也就越长的啦，我用将近200个正样本和1万多个负样本去训练，光训练到第六层就用了将近8个小时。
3.这个不是网上传言，我自己的想法，看别人的总结的：正样本图片拍摄的时候应该保证各个角度不一样，有独特性，一样的话就相当于做无用功，重复做一件事情。负样本也是一样的，只要不包括正样本就行，你正样本要用到哪个方面就用哪个地方的背景。图片可以自己拍照，也可以拍视频然后转换成图片，帧数可以大点，确保不一样的，还可以去网上下载，有很多人会发压缩包到网上供人下载，但是要积分的，我就下过几次。有的好用，有的就不行了，看运气吧。视频转图片我用的是Free Video to JPG Converter，裁剪图片我用的光影魔术手和美图秀秀。光影魔术手裁剪感觉好一点，他可以设置比例，然后画框就行了。
4.最后再说一点，就一点：裁剪图片的时候尽量保证为正方形（也就是1:1)，反正我是用的正方形，其他的我没试过，然后把样本图片归一化尺寸。
三.哈哈哈哈，开始准备正样本啦，九阳神功再现江湖
1.新建一个文件夹，把所有的正样本图片放进去，然后把opencv_createsamples.exe也放进去。
2.新建一个文本文档，后缀名改成.bat，然后输入如下内容：
3.运行这个.bat文件，就会生成一个.dat文件，打开这个文件，仔细找找哈，把除图片以外的东西都删掉，一般在最上面和最下面，然后再点击编辑把jpg换成jpg 1 0 0 20 20,点击全部替换，保存ctlr+s,这样一个正样本描述文件就弄球好了。
九阳神功秘籍：
a.1代表个数，后面四个数字分别代表着left,top,width,hight
b.这里我用的是.dat文件，相当于就是在windows里的dos中输命令，但是输命令好麻烦啊，宝宝罩不住，要路径还不能粘贴复制，错了还得重新输，所以我就选了这种偷懒的方式，也就是一个运行文件。
四.获取共训练的vec文件，乾坤大挪移，战斗力指数报表，乾坤大挪移颠倒一刚一柔，一阴一阳。
1.之前我们已经把opencv_createsamples.exe和正样本图片放在一块了，那么现在就发挥出他的用处了，新建一个.bat文件，输入以下内容：
乾坤大挪移秘籍：
a.这里面路径要写对，不然训练的时候会报错，说找不到正样本
b.你要知道你的正样本数量，这里的num就是正样本数量，宽和高就不说了
2.这样一个.vec文件就生成了，里面都是乱码，自己可以打开看看，保存了正样本数据，也可以调用opencv_createsamples.exe去查看
五.准备负样本数据，葵花宝典，唯快不破
1.这个就没有准备正样本那么复杂了，直接新建一个.bat文件，然后输入以下内容，运行.bat文件，再把除图片路径之外的东西全删掉，这里连替换都不用了，是不是很快。
六.啦啦啦，开始训练啦，我是要成为海贼王的男人-蒙奇D.路飞
1.把opencv_traincascade.exe放在正样本和负样本文件夹之外的大文件夹内，然后新建一个.bat文件，输入以下内容：
opencv_traincascade.exe -data data -vec posdata1\posdata.vec -bg negdata1\negdata1.dat -numPos 187 -numNeg 781 -numStages 15 -w 20 -h 20 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -mode ALL
pause
到这里基本上就完了，后面就开始训练了，点击.bat文件，然后就出现一个黑框：
我自己感觉训练的不怎么行，我就是把自己的实际经验分享给大家，希望可以训练得更好。
葵花宝典秘籍：
a.H:训练层数，HR:击中率，FA:虚警率
通用参数：
-data
目录名，如不存在训练程序会创建它，用于存放训练好的分类器
-vec
包含正样本的vec文件名（由 opencv_createsamples 程序生成）
-bg
背景描述文件，也就是包含负样本文件名的那个描述文件
-numPos
每级分类器训练时所用的正样本数目
-numNeg
每级分类器训练时所用的负样本数目，可以大于 -bg 指定的图片数目
-numStages
训练的分类器的级数。
-precalcValBufSize
缓存大小，用于存储预先计算的特征值(feature values)，单位为MB
-precalcIdxBufSize
缓存大小，用于存储预先计算的特征索引(feature indices)，单位为MB。内存越大，训练时间越短
-baseFormatSave
这个参数仅在使用Haar特征时有效。如果指定这个参数，那么级联分类器将以老的格式存储
级联参数：
-stageType
级别（stage）参数。目前只支持将BOOST分类器作为级别的类型
-featureType<{HAAR(default),LBP}>
特征的类型： HAAR - 类Haar特征；LBP - 局部纹理模式特征
-w
-h
训练样本的尺寸（单位为像素）。必须跟训练样本创建（使用 opencv_createsamples 程序创建）时的尺寸保持一致
Boosted分类器参数：
-bt<{DAB,RAB,LB,GAB(default)}>
Boosted分类器的类型： DAB - Discrete AdaBoost,RAB - Real AdaBoost,LB - LogitBoost, GAB - Gentle AdaBoost
-minHitRate
分类器的每一级希望得到的最小检测率（正样本被判成正样本的比例）。总的检测率大约为 min_hit_rate^number_of_stages。可以设很高，如0.999
-maxFalseAlarmRate
分类器的每一级希望得到的最大误检率（负样本被判成正样本的比例）。总的误检率大约为 max_false_alarm_rate^number_of_stages。可以设较低，如0.5
-weightTrimRate
Specifies whether trimming should be used and its weight. 一个还不错的数值是0.95
-maxDepth
弱分类器树最大的深度。一个还不错的数值是1，是二叉树（stumps）
-maxWeakCount
每一级中的弱分类器的最大数目。The boosted classifier (stage) will have so many weak trees (<=maxWeakCount), as needed to achieve the given-maxFalseAlarmRate
类Haar特征参数：
-mode
选择训练过程中使用的Haar特征的类型。 BASIC 只使用右上特征， ALL 使用所有右上特征和45度旋转特征
5、detectMultiScale函数参数说明
该函数会在输入图像的不同尺度中检测目标：
image -输入的灰度图像，
objects -被检测到的目标矩形框向量组，
scaleFactor -为每一个图像尺度中的尺度参数，默认值为1.1
minNeighbors -为每一个级联矩形应该保留的邻近个数，默认为3,表示至少有3次检测到目标，才认为是目标
flags -CV_HAAR_DO_CANNY_PRUNING,利用Canny边缘检测器来排除一些边缘很少或者很多的图像区域;
CV_HAAR_SCALE_IMAGE,按比例正常检测;
CV_HAAR_FIND_BIGGEST_OBJECT,只检测最大的物体;
CV_HAAR_DO_ROUGH_SEARCH,只做粗略检测。默认值是0
minSize和maxSize -用来限制得到的目标区域的范围(先找maxsize，再用1.1参数缩小,直到小于minSize终止检测）
好的博客：http://blog.csdn.NET/wuxiaoyao12/article/details/39227189
http://blog.csdn.net/xidianzhimeng/article/details/10470839