最近工作遇到了需要檢測影象的問題，需要自己訓練分類器，根據網上的一些參考：
【mfc基礎入門】基於adaboost演算法的車牌檢測在opencv上的研究與實現
進行了自己的一些嘗試，opencv中提供了兩種訓練函式：opencv_haartraining 和 opencv_traincascade，具體的解釋請看：
由於時間有限，只提供了500張車牌，非車牌的倒是有3000張；第一次執行使用
opencv_haartraining 引數中 npos = 521,nneg = 3000;結果跑了兩天停在第5個中無法往下執行了：
設定了npos = 500，nneg = 500；結果又是很快停住並且程式出錯了，後來網上說適當增加負樣本數量（那還要公式幹嘛？？），然後將 nneg設定為 1250得到了結果仍是執行到某一步然後停住；
先要吐槽下 opencv_haartraining 和
opencv_traincascade 兩者所用的引數竟然不一樣，opencv_traincascade中 的numpos和numneg分別對應 opencv_haartraining中的 npos和nneg；然後這個命令並不是你輸入了錯誤的引數它就會報錯，而是忽略掉這個錯誤的引數，對應的引數值就使用預設值；所以執行這個命令的時候記得看下後面它會反饋的引數值。
人臉檢測 基於Adaboost演算法的實現
畢設的時候，做了基於膚色特徵的人臉檢測之後，通過膚色建模和膚色分割發現檢測率並沒有預想中的那麼好，於是為了提高人臉檢測的效率，對基於膚色特徵的人臉檢測演算法那進行了改進，也就是基於模板匹配的人臉檢測演算法 以下兩篇是人臉檢測實現的兩篇部落格，當然也是從自己的畢設 中搬出來共享給大家的 1 人臉檢測 ...
AdaBoost人臉檢測原理
對人臉檢測的研究最初可以追溯到 20 世紀 70年代，早期的研究主要致力於模板匹配 子空間方法，變形模板匹配等。近期人臉檢測的研究主要集中在基於資料驅動的學習方法，如統計模型方法，神經網路學習方法，統計知識理論和支援向量機方法，基於馬爾可夫隨機域的方法，以及基於膚色的人臉檢測。目前在實際中應用的人臉...
AdaBoost人臉檢測原理
對人臉檢測的研究最初可以追溯到 20 世紀 70 年代，早期的研究主要致力於模板匹配 子空間方法，變形模板匹配等。近期人臉檢測的研究主要集中在基於資料驅動的學習方法，如統計模型方法，神經網路學習 方法，統計知識理論和支援向量機方法，基於馬爾可夫隨機域的方法，以及基於膚色的人臉檢測。目前在實際中應用的...