級聯分類器包括兩部分：訓練和檢測。 檢測部分在opencv objdetect
模組的文件中有介紹，在那文件中給出了一些級聯分類器的基本介紹。這個指南是描述如何訓練分類器：準備訓練資料和執行訓練程式。
opencv中有兩個程式可以訓練級聯分類器： opencv_haartraining
and opencv_traincascade``。
``opencv_traincascade
是乙個新程式，使用opencv 2.x api 以c++ 編寫。這二者主要的區別是 opencv_traincascade
支援 haar [viola2001] 和 lbp [liao2007] (local binary patterns) 兩種特徵，並易於增加其他的特徵。與haar特徵相比，lbp特徵是整數特徵，因此訓練和檢測過程都會比haar特徵快幾倍。lbp和haar特徵用於檢測的準確率，是依賴訓練過程中的訓練資料的質量和訓練引數。訓練乙個與基於haar特徵同樣準確度的lbp的分類器是可能的。
opencv_traincascade
and opencv_haartraining
所輸出的分類器檔案格式並不相同。注意，新的級聯檢測介面（參考 objdetect
模組中的cascadeclassifier
類）支援這兩種格式。 opencv_traincascade
可以舊格式匯出選練好的級聯分類器。但是在訓練過程被中斷後再重啟訓練過程，opencv_traincascade
and opencv_haartraining
不能裝載與中斷前不同的檔案格式。
opencv_traincascade
程式使用tbb來處理多執行緒。如果希望使用多核並行運算加速，請使用tbb來編譯opencv。
還有一些與訓練相關的輔助程式。
既然 opencv_haartraining是乙個將被棄用的程式，下面將不再介紹，而會主要介紹 opencv_traincascade
。 opencv_createsamples
程式用來為opencv_traincascade
準備訓練樣本，因此也會介紹它。
訓練需要一些列樣本。樣本分兩類：負樣本和正樣本。負樣本是指不包括物體的影象。正樣本是待檢測的物體的影象。負樣本必須手工準備，正樣本使用opencv_createsamples
建立。負樣本可以是任意影象，但是這些影象中不能包含待檢測的物體。用於摳取負樣本的影象檔名被列在乙個檔案中。這個檔案是純文字檔案，每行是乙個檔名（包括相對目錄和檔名）。負樣本和樣本影象也叫做背景樣本，或者背景樣本影象，本文件中對之不予區分。這些影象可以是不同的尺寸，但是影象尺寸應該比訓練視窗的尺寸大，因為這些影象將被用於摳取負樣本，並將負樣本縮小到訓練視窗大小。
下面是乙個描述檔案的例子：
假如目錄結構如下：
則bg.txt檔案中的內容將如下所示：
正樣本由 opencv_createsamples
生成。正樣本可以由包含待檢測物體的一張生成，也可由一系列標記好的影象生成。
請注意你需要乙個很大的負樣本庫送給訓練程式進行訓練。如果是絕對剛性的物體，如opencv的標誌，你只有一張正樣本影象；如果是人臉，你需要幾百甚至幾千個正樣本。在待檢測物體是人臉的情況下，你需要考慮所有的人種、年齡、表情甚至鬍子的樣式。
如果只有一張包含物體的影象，如乙個公司的標誌，那麼可以通過對物體影象的隨機旋轉、改變標誌亮度以及將標誌放在任意的背景上而獲得大量的正樣本。生成的正樣本數目以及隨機的程度都可以通過 opencv_createsamples
的命令列引數控制。
命令列引數：
建立樣本的流程如下： 輸入影象沿著三個軸隨機旋轉。旋轉的角度由 -max?angle
限定。然後畫素的亮度值位於 [bg_color-bg_color_threshold
;bg_color+bg_color_threshold
]範圍的畫素被設定為透明畫素。將白雜訊加到前景影象上。如果指定了 -inv
，那麼前景影象的顏色將被翻轉。如果指定了 -randinv
，程式將隨機選擇是否將顏色進行翻轉。任選背景影象，將獲得的前景影象放到背景影象上，並將影象調整到 -w
和 -h
指定的大小。最後將影象存入vec檔案，vec檔名由命令列引數 -vec
指定。正樣本也可從一系列事先標記好的影象中建立。標記資訊可以儲存於乙個文字檔案，與背景描述檔案類似。檔案中的每行對應乙個影象檔案。每行的第乙個元素為影象檔名，後面是物體的數目，最後是物體位置和大小的描述 (x, y, width, height)。
下面是描述檔案的例子：
假設目錄結構如下：
檔案info.dat裡的內容如下：
影象img_with_faces_1.jpg中包含乙個物體例項（如人臉），標示其在影象中的位置和大小的矩形為(140, 100, 45, 45)。影象img_with_faces_2.jpg包含兩個物體例項。
從這樣的一系列資料中建立正樣本，需要在命令列指定 -info
而非前面所用的 -img
引數：此部分樣本建立過程如下：將物體例項從影象中摳取出，然後將之調整尺寸到目標尺寸，然後儲存到輸出的vec檔案。在此過程中不會對影象進行變形，所以有效的命令列引數僅有 -w
, -h
, -show
和 -num
。opencv_createsamples
也可以用來檢視和檢查儲存於vec正樣本檔案中的正樣本。這時只需指定 -vec
， -w
和 -h
三個引數則可。 opencv_createsamples
將逐一顯示正樣本影象。
在訓練中，訓練程式並不關心包含正樣本的vec檔案如何生成的，你可以自己寫程式來生成vec檔案。但是opencv提供的工具中，只有 opencv_createsamples
程式能夠建立包含正樣本的vec檔案。
乙個vec檔案的例子位於 opencv/data/vec_files/trainingfaces_24-24.vec
。它可用來訓練人臉分類器，視窗大小為： -w
24-h
24 。
下一步是訓練分類器。如前面所述， opencv_traincascade
和 opencv_haartraining
都可用來訓練乙個級聯分類器，但是此處只介紹 opencv_traincascade
。 opencv_haartraining
的用法與 opencv_traincascade
類似。下面是 opencv_traincascade
的命令列引數，以用途分組介紹：
通用引數：
級聯引數：
boosted分類器引數：
類haar特徵引數：
lbp特徵引數：
lbp特徵無引數。
當 opencv_traincascade
程式訓練結束以後，訓練好的級聯分類器將儲存於檔案cascade.xml中，這個檔案位於 -data
指定的目錄中。這個目錄中的其他檔案是訓練的中間結果，當訓練程式被中斷後，再重新執行訓練程式將讀入之前的訓練結果，而不需從頭重新訓練。訓練結束後，你可以刪除這些中間檔案。
訓練結束後，你就可以測試你訓練好的級聯分類器了！
[viola2001]
paul viola, michael jones. rapid object detection using a boosted cascade of ****** features. conference on computer vision and pattern recognition (cvpr), 2001, pp. 511-518.
[rainer2002]
rainer lienhart and jochen maydt. an extended set of haar-like features for rapid object detection. submitted to icip2002.
[liao2007]
shengcai liao, xiangxin zhu, zhen lei, lun zhang and stan z. li. learning multi-scale block local binary patterns for face recognition. international conference on biometrics (icb), 2007, pp. 828-837.
級聯分類器訓練
使用級聯分類器工作 包括兩個階段 訓練和檢測。檢測部分在opencvobjdetect 模組的文件中有介紹，在那個文件中給出了一些級聯分類器的基本介紹。當前的指南描述了如何訓練分類器 準備訓練資料和執行訓練程式。opencv中有兩個程式可以訓練級聯分類器 opencv haartraining 和o...
級聯分類器訓練
一.準備正負樣本 正樣本 225張車牌 負樣本 將opencv traincascade.exe和opencv createsamples.exe複製到同一目錄 樣本存放路徑 二.檔案 dat vec 準備 得到pos.txt檔案，所有非資訊刪掉，最後一行空格刪掉，jpg替換為jpg 1 0 0 1...
級聯分類器訓練
adaboost分類器由級聯分類器構成，級聯 是指最終的分類器是由幾個簡單分類器級聯組成。在影象檢測中，被檢視窗依次通過每一級分類器，這樣在前面幾層的檢測中大部分的候選區域就被排除了，全部通過每一級分類器檢測的區域即為目標區域。分類器訓練完以後，就可以應用於輸入影象中的感興趣區域的檢測。檢測到目標區...