如何创建自己的OpenCV级联分类器

OpenCV级联分类器概念

目前常用的实用性目标检测与跟踪的方式方法有以下两种
帧差法：识别原理就是基于前后两帧图像之间的差异进行对比，获取图像画面中正在运动的物体从而达到目标检测，缺点是画面中所有运动中物体都能识别，例如需要是被的是车辆运动，但是画面中风吹动树叶飘动也会被计算在甄别范围内，这就导致甄别物出现错误。
CascadeClassifier级联分类器：那么如果只是识别车辆，那就需要把车辆需要相关信息全部统计出来(颜色、形状、大小等信息)，存储在一个文件中。这个文件就叫级联分类器。级联分类器也是机器视觉和机器学习中非常重要的一个环节。

OpenCV级联分类器操作步骤

正样本数据采集（需要检测的物体图片）

这里以行车记录仪检测物为例

负样本数据采集（非检测物的图片）

这里以行车记录仪的非检测物为例

下载好OpenCV win10系统安装包

从安装包中的opencv\build\x64\vc15\bin 找到
opencv_createsamples.exe
opencv_traincascade.exe
opencv_world342.dll
将以上文件拷贝到正负样本文件路径下

创建正负样本的图像路径的txt文件

正样本：

负样本：

win+R打开，输入cmd，回车进入命令框

调用opencv程序opencv_createsamples.exe程序实现样本数据采集

通过命令行执行命令进行样本采集生成car_samples.vec正样本矢量集文件
opencv_createsamples.exe -info car_list.txt -vec car_samples.vec -num 80 -w 33 -h 33
-info字段填写正样本描述文件；
-vec用于保存制作的正样本；
-num制定正样本的数目；
-w和-h分别指定正样本的宽和高。

注意：如果是超级管理员权限需要在前面加上一个./

调用opencv程序opencv_traincascade.exe样本训练程序进行训练

通过命令行执行命令进行训练生成
opencv_traincascade.exe -data data -vec car_samples.vec -bg ng_data.txt -numPos 80 -numNeg 240 -numStages 7 -w 33 -h 33 -minHitRate 0.995 -maxFalseAlarmRate 0.45 -mode ALL
-data：指定保存训练结果的文件夹；
-vec:指定正样本集；
-bg:指定负样本的描述文件夹；
-numPos：指定每一级参与训练的正样本的数目（要小于正样本总数）；
-numNeg:指定每一级参与训练的负样本的数目（可以大于负样本图片的总数）；
-numStage:训练的级数；
-w:正样本的宽；
-h:正样本的高；
-minHitRate:每一级需要达到的命中率（一般取值0.95-0.995）；
-maxFalseAlarmRate:每一级所允许的最大误检率；
-mode:使用Haar-like特征时使用，可选BASIC、CORE或者ALL；
另外，还可指定以下字段：
-featureType:可选HAAR或LBP，默认为HAAR;

生成级联分类器文件

训练结果：

最终得到的cascade.xml即为级联分类器最终文件