haartraining，名称可能不一样，比如2.4.9的可能叫cascade.exe等，请对号入座。首先找到exe文件，如下：

F:\opencv\build\x64\vc12\bin\opencv_haartraining.exe

因为下面正样本描述文件需要的是特征向量描述文件，所以还需要另外一个程序来生成，也在同目录下：

F:\opencv\build\x64\vc12\bin\opencv_createsamples.exe

可以将这两个程序文件拷贝到训练的目录下备用，如： 

opencv训练xml模型下载_opencv训练xml模型下载

1.正样本和负样本

正样本就是你要识别的那个东西的图片，告诉分类器什么是正确的分类，也就是告诉程序你要识别的什么，我要做的是nemo鱼的识别，所以就是nemo鱼的图片了，如下：

opencv训练xml模型下载_描述文件_02

负样本是区别于正样本的图片，告诉分类器什么是错误的分类，也及时告诉程序不能识别什么，我是直接将视频的背景截了一些图片，如下： 

opencv训练xml模型下载_描述文件_03


正负样本图片的数目越多越好了，越多速度越快，识别越准确。可以先到网上中找找有没有你需要的样本库，像人脸识别，车辆识别都有现成的样本库，有的练分类器都有，直接用就行。如果没有那只有自己使用截图工具截了，截图时尽量保持宽高比，因为训练时程序会进行归一化，保存为bmp格式，截完之后使用图片格式转换工具。正负样本图片以数字命名后分别放到positive和negative目录下。

2.正样本描述文件

首先需要一个过渡描述文件，包含每张图片的图片路径、数目、图片位置信息。如：

路径 图片数目 左上点坐标 宽 高 
positive/1.bmp 1 0 0 30 30 
positive/2.bmp 1 0 0 30 30 
positive/3.bmp 1 0 0 30 30 
positive/4.bmp 1 0 0 30 30 
positive/5.bmp 1 0 0 30 30 
positive/6.bmp 1 0 0 30 30 
positive/7.bmp 1 0 0 30 30 
positive/8.bmp 1 0 0 30 30 
positive/9.bmp 1 0 0 30 30 
positive/10.bmp 1 0 0 30 30 
positive/11.bmp 1 0 0 30 30 
positive/12.bmp 1 0 0 30 30 
positive/13.bmp 1 0 0 30 30 
positive/14.bmp 1 0 0 30 30 
positive/15.bmp 1 0 0 30 30 
positive/16.bmp 1 0 0 30 30 
positive/17.bmp 1 0 0 30 30 
positive/18.bmp 1 0 0 30 30 
positive/19.bmp 1 0 0 30 30 
positive/20.bmp 1 0 0 30 30 
positive/21.bmp 1 0 0 30 30 
positive/22.bmp 1 0 0 30 30 
…….

可以使用dos，在正样本目录下使用dir /b>pos.txt命令来生成文件名，然后再将bmp替换为“bmp 1 0 0 20 20”，不过这样生成的只有文件名，没有路径，你就必须在样本目录下进行训练，如果你需要加入路径，只能手动天剑或者去了解一下shell脚本，写一个简单脚本来自动完成。 
还有一个简单的解决办法是写一个简单的c++程序来生成：

#include <iostream>
#include <string>
#include <fstream>

#define STR "positive/"
using namespace std;
int main(int argc, const char** argv){
    fstream f("./src/training_data/pos.txt",ios::out);
    string str;
    int i = 1;
    while (1){
        str = STR + to_string(i)+".bmp 1 0 0 30 30";
        cout << str << endl;
        f << str << endl;
        i++;
        if (i == 201)//我的正样本数目是200，有点少，手动截的orz
            break;
    }
    return 0；
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

过渡文件生成之后，拷贝到之前放opencv自带的那个软件的目录下，开始生成特征向量文件，在目录下按住shift+鼠标右键，选择在此处打开命令窗口，输入命令运行：

opencv_createsamples.exe -info pos.txt -vec pos.vec -num 200 -w 30 -h 30

此时在同目录下应该生成了一个pos.vec文件。

3.负样本描述文件

负样本描述文件要简单的多，只需要文件路径就行了，如下：

negative/1.bmp 
negative/2.bmp 
negative/3.bmp 
negative/4.bmp 
negative/5.bmp 
negative/6.bmp 
negative/7.bmp 
negative/8.bmp 
negative/9.bmp 
negative/10.bmp 
negative/11.bmp 
negative/12.bmp 
……

可以使用之前的方法生成，此时你的文件应该都齐了，如下： 

opencv训练xml模型下载_opencv训练xml模型下载_04

4.训练

使用之前的方法打开命令窗口，输入如下命令：

opencv_haartraining.exe -data cascade -vec pos.vec -bg neg.txt -sym -npos 200 -nneg 120 -mem 2000 -mode ALL -w 30 -h 30

完结~

=========================================================

错误分析：

首先正样本与负样本的比例最好是1；2到1:3之间

其次在用haar做训练的时候出现的那个npos还有nneg参数的时候，后面的数字最好注意一下，npos的值取全体正样本的三分之一，比如我有400个样本我取了120，这样训练的时候就不会出现下面这个错误了。

Opencv Error: Assertion failed (elements_read==1) in icvGetHaarTraininData From vecCall Back, file....../......../......./opencv/apps/haartraining/cvhaartraining.cpp.line 1859

英文网站上的回答大概是这么个意思，也就是在第一层训练的时候已经用完了vec文件中所有的正样本，以至于在后续的样本训练中没有新的正样本可以加入使用了，导致出现了错误的现象。

那个vec文件中的正样本数目=npos+（nstages-1）*（1-minHitRate）*npos+s

S的意思是指在正样本中能够直接识别成背景的样本个数，如果npos=120的话，s的取值为个位数就行，不用太大。

opencv训练xml模型下载_#include_05