Opencv haar training-特徵訓練器

1.正樣本文件採集：

須要使用到的工具：objectmarker

用於待識別對象的標註，並生成標註文件。須要注意的是，生成完標註文件以後（一般是info.txt文件），用編輯器打開文件，將全部路徑信息刪除，只保留文件名和其對應的標註信息，修改完成以後，將文件保存爲sample_pos.dat(注意，文件名字不要改變，不然之後會很坑，這個具體還沒去研究源碼，應該是程序的問題)；

ps:若是已經有了圖像的標註信息，那就能夠跳過這一步了。

2.正樣本vec文件生成（sample文件）

工具：opencv_createsamples.exe

在工具所在目錄建立文件夾：pos，將採集到的正樣本，以及標註文件放入pos文件夾；

使用cmd進入工具所在目錄，執行命令：

opencv_createsamples.exe -info ./pos/sample_pos.dat -vec ./pos/sample_pos.vec -num 17 -w 20 -h 20 -show YES

ps:-num:正樣本個數

3.負樣本採集

建議正負樣本比例在1:3（具體還不知道，參考網上提供的數據）。負樣本在採集的時候尤爲須要注意，儘可能保持和正樣本環境類似，好比，正樣本圖像中包含要檢測的對象，負樣本圖像中最好剔除要檢測的對象，只保留背景。有條件的同窗能夠直接寫程序，對負樣本圖片進行切割，標準是40*40（由於咱們的正樣本採用的是20*20）。

負樣本採集完成以後，在pos目錄的統計目錄建立文件夾：neg，將負樣本拷貝至neg目錄，而後使用命令行進入neg目錄，執行命令：

dir /b > sample_neg.dat

用文本編輯器打開dat文件，刪除最後一行：sample_neg.dat，保存文件；

ps:文件名字不要改變，不然會出錯

4.訓練樣本

到此爲止，咱們要準備的文件都已經準備好，能夠進行訓練了。

使用的工具：opencv_haartraining.exe

進入工具所在目錄，先建立目錄：cascade，而後執行命令：

opencv_haartraining.exe -data ./cascade -vec ./pos/sample_pos.vec -bg ./neg/sample_neg.dat -nstage 20 -npos 100 -nneg 300 -mem 256 -mode ALL -w 20 -h 20
-nstage:要訓練多少層
-npos：每層的正樣本個數
-nneg：每層的負樣本個數

ps：在這一步常常會拋異常，一般都是負樣本文件不對，同時dat文件的名字必定要按照上面說的命名，不然會出錯；

5.合併xml文件

樣本訓練完成以後，cascade目錄下會生成多個子目錄，須要將這些目錄合併生成xml文件才能使用：

工具：c-example-convert_cascade.exe（ps:根據opencv的版本不一樣，這個工具的名字也可能不一樣）

執行命令：

c-example-convert_cascade.exe --size=20x20 ./cascade haar_adaboost.xml

到此，會在目錄中生成haar_adaboost.xml文件！

done！

說明：

1.全部的工具及其依賴文件建議統一放置在一個目錄中（好比：build）；

2.除了負樣本描述文件的生成命令須要在neg目錄中執行，其餘命令所有在build（假設你也有這個目錄，以各自的實際目錄爲準）目錄中執行；

3.good luck！

參考：

1.http://www.cnblogs.com/wengzilin/p/3845271.html

2.http://blog.csdn.net/xuejiren/article/details/39493537

（Opencv Error: Assertion failed (elements_read==1)）