opencv 汽车级联器分类 opencv级联分类器训练

网上提供的级联分类器训练都是基于opencv_haartraining。照着上面的步骤成功训练出了xml，但是用于识别的过程中，识别率很低。改换几次样本后，检测效果还是一般。想想估计是自haar特征不能很好区分，所以想通过opencv_traincascade训练下Lbp。将经验写下来，供自己以后回顾和其它人参考。

工具/原料

• opencv2.1 (2.0版本以上均可)
  
  

方法/步骤

1. 1
   准备好正负样本图片，正样本就是含有目标的图片，负样本就是不还有目标的图片，建好文件夹，如图所示。其中正样本图片最好是裁剪成同一尺寸，我这里是建成30*30，便于后期的说明文件的建立。图片的编辑我使用的是美图看看，批量编辑工具，可以批量将图片改成同一尺寸。
   
   
   

   

   
   
2. 2
   建立正负样本说明文件，在cmd下进入pos文件夹目录里，输入  dir /b > pos.txt,用editplus打开该文件，删除最后一行，最后将名字归一化如下所示：同样的方法进入neg文件夹内，用同样的方法建立描述文件neg.txt，用editplus打开该文件，只需删掉最后一行
   
   
   
   

   

   

   

   
   
3. 3
   创建vec文件：将opencv_createsamples.exe和 opencv_traincascade.exe放到图片文件夹的上层目录，利用opencv_createsamples.exe应用程序在该目录下使用如图cmd命令：
   其中的-vec是指定后面输出vec文件的文件名，-info指定正样本描述文件，-bg指定负样本描述文件，-w和-h分别指正样本的宽和高，-num表示正样本的个数。执行完该命令后就会在当前目录下生产一个pos.vec文件了。
   
   
   
   

   

   

   
   
4. 4
   使用opencv_traincascade.exe文件进行训练
      首先在当前目录下新建一个dt文件夹用于存放生成的.xml文件。
      在当前目录使用cmd命令:
   D:\>opencv_traincascade.exe -data dt -vec pos.vec -bg neg/neg.txt -numPos 100 -n
   
   umNeg 300 -numStages 16 -precalcValbufSize 200 -precalcdxBufSize 1000 -featureTy
   pe LBP -w 30 -h 30截图如下：其中-data 输出目录，-numPos正样本数目-numNeg负样本数目-numStages训练级数