opencv3.2训练分类器步骤记录

环境：win10，OpenCV3.2.0

用到的工具：opencv_createsamples.exe、opencv_traincascade.exe（有些版本是opencv_haartraining.exe），这两个工具在opencv的安装路径下。

整个过程分成三阶段：样本采集、分类器训练和运用训练好的分类器进行人脸检测。

一、样本采集

 (1)收集训练样本 
训练样本包括正样本和负样本。正样本，通俗点说，就是图片中只有你需要的目标。而负样本的图片只要其中不含有目标就可以了。但需要说明的是，负样本也并非随便选取的，最好是与检测目标相关的图片。例如，你需要检测的目标是汽车，那么正样本就应该是仅仅含有汽车的图片，而负样本显然不能是一些包含天空、海洋等风景的图片，因为最终训练分类器的目的是检测汽车，而汽车应该出现在马路上。也就是说，分类器最终检测的图片应该是那些包含马路，交通标志，建筑物，广告牌，汽车，摩托车，三轮车，行人，自行车等在内的图片。很明显，这里的负样本应该是包含摩托车、三轮车、自行车、行人、路面、灌木丛、花草、交通标志、广告牌等的图片。 
需要注意的是，adaboost方法是机器学习中的一个经典算法，而机器学习算法的前提条件是，测试样本和训练样本独立同分布。所谓的独立同分布，可以简单理解为：训练样本要和最终的应用场合非常接近或者一致。否则，基于机器学习的算法并不能保证算法的有效性。此外，足够的训练样本（至少得几千张正样本、几千张负样本）也是保证训练算法有效性的一个前提条件。 
(2)正样本尺寸归一化 
将上一步收集到的正样本进行尺寸归一化，尺寸归一化的目的是将所有的图片都缩放到同一大小，比如，缩放到20*20的大小,可以用批量编辑工具，批量将图片改成同一尺寸。 
(3)建立正负样本说明文件 
利用命令行，运行生成正样本图片名描述文件，打开pos.txt删除非图片名的行；同样的方法建立负样本名描述文件neg.txt,注意删除非图片名的行，每一行为一个文件名，负样本图像可以是不同的尺寸，但是图像尺寸应该比训练窗口的尺寸大，因为这些图像将被用于抠