训练opencv的级联分类器
环境
mac ox操作系统
安装opencv：conda install opencv
安装好opencv后就可以使用里面的脚本训练了。
数据准备
- 正向数据：pos/XX.jpg
- 负向数据：neg/XX.jpg
正向文本
pos.txt:pos/XX.jpg 1 0 0 60 60 # pos/XX.jpg 图片路径，1 样本数，60 宽，60 高负向文本
neg.txt：neg/XX.jpg # neg/XX.jpg 仅放图片路径train.sh脚本导出
train_file=test.txt path=pos #path=neg find $path -name *.jpg > $train_file
训练步骤
- 训练正向数据的vec文件
opencv_createsamples -vec pos.vec -info pos.txt -num 15 -w 60 -h 60 pause
| 参数 | 数值 | 说明 |
|---|---|---|
| -vec | pos.vec | 生成的vec文件名 |
| -info | pos.txt | 使用的正向脚本 |
| -num | 15 | 样本数 |
| -w | 60 | 图像宽 |
| -h | 60 | 图像高 |
目录出现pos.vec说明训练成功
- 训练xml文档
新建cascades目录
opencv_traincascade -data cascades -vec pos.vec -bg neg.txt -numPos 15 -numNeg 15 -numStages 5 -w 60 -h 60 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -mem 2048 -mode ALL
| 参数 | 数值 | 说明 |
|---|---|---|
| -data | cascades | 训练后生成xml的文件夹 |
| -vec | pos.vec | 正向数据 |
| -bg | neg.txt | 负向数据 |
| -numPos | 15 | 正向样本数 |
| -numNeg | 15 | 负向样本数 |
| -numStages | 5 | 训练迭代数 |
| -w | 60 | 图像宽 |
| -h | 60 | 图像高 |
| -minHitRate | 0.9999 | 期望最小检测率 |
| -maxFalseAlarmRate | 0.5 | 期望最大误检率 |
| -mem | 2048 | 使用的计算内存数（M） |
| -mode | ALL | 选择用来训练的haar特征集的种类 |
参考文章：
https://blog.csdn.net/txiaomiao/article/details/64132273(windows版本)
代码地址：
https://github.com/SuiMingYang/opencv-haar-classify
Author: suimingyang
Email : suimingyang123@gmail.com
Blog : https://suimingyang.github.io/
Github: https://github.com/SuiMingYang/
