利用opencv训练于Haar特征、LBP特征、Hog特征的分类器及问题解决

csdn中相关文章很多，我主要参考以下几篇，并解决了在实践中遇到的几个问题。

参考：

https://blog.csdn.net/lql0716/article/details/72566839

问题解决：

 

第一次使用opencv_haartraining.exe进行测试，可是总是出现

如上图的错误，经搜索无可用解决方案。

第二次使用opencv_traincascade.exe进行测试，出现

如上图错误，经搜索有解决方案，先几篇常见错误的博客，把正负样本准备好，再进行测试。

第三次，样本准备完毕（正2000，负5000，使用python进行样本扩充），进行训练出现如下问题：

原因如下：http://villager5.blog.163.com/blog/static/8273636201462452037527/

解决方案如下：

So,there are two solutions:

1)generate your bt.txt (negative sample file) on Ubuntu, make sure that there isa newline for each image file no empty line in the whole file;

2) orgenerate your bt.txt (negative sample file) on Windows, but add one line in theoriginal opencv code "imagestorage.cpp":

beforeline 45, add "

if(str[str.size() - 1] == '\r')

       str.resize(str.size() - 1); // to erase \rif the file is generated by windows"; then, recompile (cmake .. -> make-> make install) your opencv for a new opencv_traincascade application.

 

使用第一种解决方案，成功。（使用windows下的opencv训练的朋友，用ubuntu生成这个文件，再考过去就行了）

但又出现了如下问题

原因如下：

级联分类器训练时，到某个级数时报错：

Traincascade Error: Bad argument (Can not get new positivesample. Themost possible reason is insufficient count of samples in givenvec-file.）

解析：设置的numPos过大，由于训练时POScount 会从你设置的numPos增大，每一级都按一定的次序增大，后来可能会超过样本库中正样本的个数，就会报这个错误。

将命令行中的numPos改小一些，即可接着现有的层级训练

 

于是改为opencv_traincascade.exe -data xml -vec pos.vec -bgneg\neg.txt -numPos 1000 -numNeg 4000 -numStages 20 -featureType LBP -w 24 -h24

 

训练成功进行

最终训练好使2h24m56s，共十八级，训练完毕。

Cascade.xml即为所得。