2018-06-27-关于如何使用opencv训练目标级联分级器

opencv训练分级器的简介：

---

OpenCV提供了两个程序可以训练自己的级联分类器opencv_haartraining与opencv_traincascade。opencv_traincascade是一个新程序，使用OpenCV

2.x API 以C++编写。这二者主要的区别是opencv_traincascade支持 Haar和 LBP

(Local BinaryPatterns)两种特征，并易于增加其他的特征。与Haar特征相比，LBP特征是整数特征，因此训练和检测过程都会比Haar特征快几倍。LBP和Haar特征用于检测的准确率，是依赖训练过程中的训练数据的质量和训练参数。训练一个与基于Haar特征同样准确度的LBP的分类器是可能的。

与其他分类器模型的训练方法类似，同样需要训练数据与测试数据；其中训练数据包含正样本pos与负样本neg。训练程序opencv_haartraining.exe与opencv_traincascade.exe对输入的数据格式是有要求的，所以需要相关的辅助程序：

   opencv_createsamples 用来准备训练用的正样本数据和测试数据。opencv_createsamples 能够生成能被opencv_haartraining 和 opencv_traincascade 程序支持的正样本数据。它的输出为以 *.vec 为扩展名的文件，该文件以二进制方式存储图像。

opencv训练分级器的步骤

---

1、准备训练数据

2、训练级联分类器

3、测试级联分级器的性能

4、利用训练好的级联分级器做目标检测、

---

准备训练数据

---

准备正样本：

---

1、首先将左右的正样本图像截图——最小外接矩形（减少计算难度，减少不必要的干扰）。注意：所有的样本背景最好一致

2、将图像归一化处理、利用美图秀秀等软件将所有的图像转换成大小一致的图像（推荐尺寸25*25，减少计算难度、避免内存不够用）

3、将图像灰度处理GRAY

4、生成pos.text  格式为：图片路径     检测目标在图片中的个数     起始监测点坐标（x，y）        图片大小（w，h）

5、训练分级器  dos运行opencv_createsamples.exe -vec pos.vec -info pos.txt -num 100 -w 30 -h 30   得到得到pos.vec文件

---

准备负样本

---

  1、.不要求样本尺寸，但要大于等于正样本的大小；且负样本不能重复，要增大负样本的差异性。

 2、负样本灰度化，同正样本操作相同。

地址：https://www.cnblogs.com/linmengran/p/6514410.html