基于Adaboost检测的分类器训练

最近工作遇到了需要检测图像的问题，需要自己训练分类器，根据网上的一些参考：

【MFC基础入门】基于Adaboost算法的车牌检测在OpenCV上的研究与实现

 

Adaboost应用系列之一：Opencv2.0中利用Adaboost训练Haar特征产生xml分类器

进行了自己的一些尝试，opencv中提供了两种训练函数：opencv_haartraining 和 opencv_traincascade，具体的解释请看：

级联分类器训练

由于时间有限，只提供了500张车牌图片，非车牌的图片倒是有3000张；第一次运行使用 opencv_haartraining 参数中 npos = 521,nneg = 3000;结果跑了两天停在第5个中无法往下运行了：

第二次运行根据参考的文章中给出的公式：

设定了npos = 500，nneg = 500；结果又是很快停住并且程序出错了，后来网上说适当增加负样本数量（那还要公式干嘛？？），然后将 nneg设定为 1250得到了结果仍是执行到某一步然后停住；

先要吐槽下 opencv_haartraining 和 opencv_traincascade 两者所用的参数竟然不一样，opencv_traincascade中 的numPos和numNeg分别对应  opencv_haartraining中的 npos和nneg；然后这个命令并不是你输入了错误的参数它就会报错，而是忽略掉这个错误的参数，对应的参数值就使用默认值；所以执行这个命令的时候记得看下后面它会反馈的参数值。