最近一段在用opencv自带的分类器训练函数训练分类器，遇到了一点问题：
分类器预设的stage=20太深，当训练到第6层时，已经收敛，而由于训练数据非常多，再往下训练非常耗时（已经卡住三天了），因此我就想，如何把目前生成的6层弱分类器连接起来，当做最终的分类器（精度已经达到要求）。然后就查询网络，得到了下面的解决方法：
1.直接根据最终分类器.xml的格式要求，将stagei.xml拼接起来。
这个方法是最直接的，我仿照着opencv3.0自带的分类器haarcascade_eye.xml中的格式，将我生成的stage0.xml、stage1.xml、stage2.xml等依次复制替换进去，然后进行识别的测试，结果报错，分类器格式不对。
然后查阅文献，发现分类器的xml文件组成比较复杂，而关键的问题是stagei.xml中并没有存储每个节点对应的haar特征：字段缺失，所以当然无法直接拼接。 方法1错误。
2.opencv自带的convert_cascade.exe进行拼接。
这个方法是网上能查到的最常见的解决方法，我也进行了测试，
convert_cascade.exe –size=”20x20” D:\Training\cascade D:\CE-5\Training\cascade\haar_adaboost.xml
但依旧报错，因为该函数是opencv2.x对应的，其用的分类器训练函数是opencv_haartraining.exe，和我们3.0的方法不同，生成的stage文件当然不同。
随后我转到opencv3.0中查找opencv-3..0\modules\objdetect\src\cascadedetect_convert.cpp，进行测试，依旧错误。在网上查好像该函数并不是为了拼接用，好像是转换最终生成的分类器.xml文件的。方法2错误。
3.最后的方法。
折腾了有两三天都没搞出来，很无语。突然灵光一闪，我们可以终止原来的训练函数，然后将训练阶数设置成6（与目前训练分类器卡住的位置相同），然后opencv会自动读取之前训练的结果stagei.xml，生成最终的分类器：cascade.xml。
然后bingo，测试后效果也不错，终于搞定了！！！！
PS. 想问题，往往容易陷入死角，这个时候应该跳出来，换个思路去做；国内网站可以搜到的东西很多都是重复无用的，学好英文多搜搜国外的网站，多Google
