手把手教你训练分类器

转载自：http://zhan.renren.com/xjtuopencv?gid=3602888498033866847

训练过程就是上面的三步

关于正负样本的一些理解：

       正样本即包括目标的图片，一般较小（教程里提到的一般是24*24 20*20 18*18<单位是像素> 但是在实际做的时候总有种太模糊，什么都看不清的感觉，我觉得应该可以适当的加大图像，提供更多细节试试，虽然这必然会导致更多的运算时间，而且在进行处理之前，应将所有正样本进行标准化处理<统一大小，转化为灰度图>）

        负样本，与正样本相反很容易理解，即任何不包含检测目标的图像，对负样本的标准化处理并不严格，仅有：灰度图 <可能也能使用彩图，在选项里又看到bgcolor这个选项> ，对图像的大小的限制是大于正样本尺寸（必须满足，是由于训练器的算法决定），同时负样本的数量一般远多于正样本的数量（2-3倍或以上的样子）

         关于合适的样本数量，教程还有opencv中推荐的都是正样本1000+，负样本3000+，这意味着训练时间会很长（目测一晚上+），当然如果你只是来试试看训练方法怎么样，那么可是使用少量样本比如100+的正样本。

        下面进入正题：

首先我们要获得一个正样本的描述文件

用于描述正样本文件名（包括绝对路径或相对路径），

正样本数目以及各正样本在图片中的位置和大小。典型的正样本描述文件如下：

face_100/face00001.bmp 1 0 0 20 20

face_100/face00002.bmp 1 0 0 20 20

face_100/face00003.bmp 1 0 0 20 20

…

其中face_100/是相对路径,face00001.bmp是图片名称，1 0 0 20 20 分别表示 1张图片，本样本左下角坐标（不一定是左下，但是肯定是距离原点最近的点）是0 0，右上角的坐标（同样的道理不一定是右上角）是20 20

 

具体方法是在Dos 下的恰当目录敲入dir/b > samples.dat，则会生成一个samples.dat，里面包含所有正样本文件名列表，但没有相对路径名和正样本位置信息。在samples.dat 文件各行行首增加“face _100/”的方法是使用文本编辑器替换功能，先选中所有行，然后按Tab 键为每行增加一个制表位，然后将制表位全部替换为“face _100/”即可。通过将“bmp”替换为“bmp 1 0 0 20 20”即可在每行添加“1 0 0 20 20”。

注释：图片文件的格式不局限与bmp jpg png都行，其他格式的没试过，估计opencv支持的都可以

运行 CreateSamples.exe 程序。下面是一个运行参数示例：

-info F:\FaceDetect\samples.dat -vec F:\FaceDetect\samples.vec -num 200 -w 20 -h 20

表示有200 个样本，样本宽20，高20，正样本描述文件为samples.dat，结果输出到samples.vec。

运行完了会生成一个*.vec 的文件。

 

         对于负样本的描述文件其处理方法与正样本基本相同，但是一个负样本的描述文件应该是做到这样的程度：

face_100/face00001.bmp

face_100/face00002.bmp

face_100/face00003.bmp

即只有图片的路径，名称，而没有图片数量大小的描述，而且其也不是vec文件，而是dir /b>时所指定的文件

 

非常重要的一点，所有的样本描述的条目中，路径和文件名内部不允许出现空格，原因自己想

 

样本创建之后，接下来要训练分类器，这个过程是由haartraining 程序来实现的。该程序源

码由OpenCV 自带，且可执行程序在OpenCV 安装目录的bin 目录下。

Haartraining 的命令行参数如下：

－data<dir_name>

存放训练好的分类器的路径名。

－vec<vec_file_name>

正样本文件名（由trainingssamples 程序或者由其他的方法创建的）

－bg<background_file_name>

背景描述文件。

－npos<number_of_positive_samples>，

－nneg<number_of_negative_samples>

用来训练每一个分类器阶段的正/负样本。合理的值是：nPos = 7000;nNeg = 3000

－nstages<number_of_stages>

训练的阶段数。

－nsplits<number_of_splits>

决定用于阶段分类器的弱分类器。如果1，则一个简单的stump classifier 被使用。如果是2

或者更多，则带有number_of_splits 个内部节点的CART 分类器被使用。

－mem<memory_in_MB>

预先计算的以MB 为单位的可用内存。内存越大则训练的速度越快。

－sym（default）

－nonsym

指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对

称的。

－minhitrate《min_hit_rate》

每个阶段分类器需要的最小的命中率。总的命中率为min_hit_rate 的number_of_stages 次

方。

－maxfalsealarm<max_false_alarm_rate>

没有阶段分类器的最大错误报警率。总的错误警告率为max_false_alarm_rate 的

number_of_stages 次方。

－weighttrimming<weight_trimming>

指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9

－eqw

－mode<basic(default)|core|all>

选择用来训练的haar 特征集的种类。basic 仅仅使用垂直特征。all 使用垂直和45 度角旋转

特征。

－w《sample_width》

－h《sample_height》

训练样本的尺寸，（以像素为单位）。必须和训练样本创建的尺寸相同。

一个训练分类器的例子：

"D:\Program Files\OpenCV\bin\haartraining.exe" -data data\cascade -vec data\pos.vec

-bg negdata\negdata.dat -npos 49 -nneg 49 -mem 200 -mode ALL -w 20 -h 20

训练结束后，会在目录data 下生成一些子目录，即为训练好的分类器。

值得提醒的是xml文件在于data目录同级的目录下<如果训练成功的话>

我在试着训练时使用的参数

注意 -nsplits 这个选项应该尽量设置成2（到底有没有更高的值，我也不知道，应该有吧），这样会获得起码比较细致的训练过程，如果选1 的话，我不知道你们会怎么样，反正我是只得到了一个6k大小的xml文件，几乎不能用