啤酒兄弟

在后面的章节中我们将对opencv2.4.9版本的Haar特征训练级联分类器的流程进行解析。打开OpenCV解决方案，找到applications/opencv_traincascade项目，训练的主要代码都在该项目中。1.  入口函数main打开traincascade.cpp文件，训练程序是一个命令行程序，用来设置训练的数据源和一些必要参数。二话不说先运行一把看看，编译项目运行打印如下

// （3）创建特征评估器CvHaarEvaluator       featureEvaluator= CvFeatureEvaluator::create(cascadeParams.featureType);       //CvHaarEvaluator 初始化，开辟内存，生成特征集       featureEvaluator->init((CvFeatureParams*)

我们来看步骤（1）创建图片读取器中完成了哪些工作。  正样本先来看一下正样本长什么样，这在前面的原理部分已经讲过。我们会收集大量的人脸图片，然后转成0-255的灰度图片，缩放到同样的尺寸比如24*24。opencv中提供工具可以把这些小图像以vec文件的格式存到一个大文件中，以加快读取的速度并方便训练程序处理。

一切准备就绪，下面我们来看强分类器是如何训练的，该过程在CvCascadeBoost::train函数中完成，代码如下：bool CvCascadeBoost::train( const CvFeatureEvaluator* _featureEvaluator,                           int _numSamples,                   

跟进CvCascadeClassifier::train函数的代码，该函数里面包含了分类器训练的完整流程，已经在重要的位置做了注释，带有括号编号的（X）为重要步骤，后面将逐一详细解析。这里我们主要是对整体流程进行把握，不必深入细节。

前面已经准备好haar特征集，打开了正样本数据文件，也有负样本的图片列表。现在开始真正读取需要的正负样本图片，着手进行级联分类器的训练。// （4）读取正负样本数据集，统计前面i个强分类器的虚警率 tempLeafFARate       if( !updateTrainingSet( tempLeafFARate ) )       {           cout