Opencv haar training-特征训练器

1.正样本文件采集：

须要使用到的工具：objectmarker

用于待识别对象的标注，并生成标注文件。须要注意的是，生成完标注文件以后（一般是info.txt文件），用编辑器打开文件，将全部路径信息删除，只保留文件名和其对应的标注信息，修改完成以后，将文件保存为sample_pos.dat(注意，文件名字不要改变，不然之后会很坑，这个具体还没去研究源码，应该是程序的问题)；

ps:若是已经有了图像的标注信息，那就能够跳过这一步了。

2.正样本vec文件生成（sample文件）

工具：opencv_createsamples.exe

在工具所在目录建立文件夹：pos，将采集到的正样本，以及标注文件放入pos文件夹；

使用cmd进入工具所在目录，执行命令：

opencv_createsamples.exe -info ./pos/sample_pos.dat -vec ./pos/sample_pos.vec -num 17 -w 20 -h 20 -show YES

ps:-num:正样本个数

3.负样本采集

建议正负样本比例在1:3（具体还不知道，参考网上提供的数据）。负样本在采集的时候尤为须要注意，尽可能保持和正样本环境类似，好比，正样本图像中包含要检测的对象，负样本图像中最好剔除要检测的对象，只保留背景。有条件的同窗能够直接写程序，对负样本图片进行切割，标准是40*40（由于咱们的正样本采用的是20*20）。

负样本采集完成以后，在pos目录的统计目录建立文件夹：neg，将负样本拷贝至neg目录，而后使用命令行进入neg目录，执行命令：

dir /b > sample_neg.dat

用文本编辑器打开dat文件，删除最后一行：sample_neg.dat，保存文件；

ps:文件名字不要改变，不然会出错

4.训练样本

到此为止，咱们要准备的文件都已经准备好，能够进行训练了。

使用的工具：opencv_haartraining.exe

进入工具所在目录，先建立目录：cascade，而后执行命令：

opencv_haartraining.exe -data ./cascade -vec ./pos/sample_pos.vec -bg ./neg/sample_neg.dat -nstage 20 -npos 100 -nneg 300 -mem 256 -mode ALL -w 20 -h 20
-nstage:要训练多少层
-npos：每层的正样本个数
-nneg：每层的负样本个数

ps：在这一步常常会抛异常，一般都是负样本文件不对，同时dat文件的名字必定要按照上面说的命名，不然会出错；

5.合并xml文件

样本训练完成以后，cascade目录下会生成多个子目录，须要将这些目录合并生成xml文件才能使用：

工具：c-example-convert_cascade.exe（ps:根据opencv的版本不一样，这个工具的名字也可能不一样）

执行命令：

c-example-convert_cascade.exe --size=20x20 ./cascade haar_adaboost.xml

到此，会在目录中生成haar_adaboost.xml文件！

done！

说明：

1.全部的工具及其依赖文件建议统一放置在一个目录中（好比：build）；

2.除了负样本描述文件的生成命令须要在neg目录中执行，其余命令所有在build（假设你也有这个目录，以各自的实际目录为准）目录中执行；

3.good luck！

参考：

1.http://www.cnblogs.com/wengzilin/p/3845271.html

2.http://blog.csdn.net/xuejiren/article/details/39493537

（Opencv Error: Assertion failed (elements_read==1)）