最近在做識(shí)別的過(guò)程中發(fā)現(xiàn)sift與surf的特征并不容易篩選，想找一下有沒(méi)有比較好篩選特征的方法，在檢索的過(guò)程中發(fā)現(xiàn)了基于haar特征的級(jí)聯(lián)adboost的方法，這個(gè)方法能有效的篩選哪些是更好的haar特征。雖然暫時(shí)還沒(méi)有相處關(guān)聯(lián)的思路，但用這個(gè)可以做基于傳統(tǒng)方法的目標(biāo)識(shí)別，所以就在網(wǎng)上學(xué)習(xí)了一下怎么訓(xùn)練這個(gè)級(jí)聯(lián)分類器。網(wǎng)上訓(xùn)練這個(gè)分類器基本上是基于opencv2中的open_haartraining.exe，這是一個(gè)封裝好了的訓(xùn)練算法，只要把文件格式弄好，參數(shù)輸入進(jìn)去，就可以訓(xùn)練出來(lái)級(jí)聯(lián)分類器了，但是我用的是opencv3，很苦惱，沒(méi)有這個(gè)open_haartraining.exe，只有opencv_traincascade，索性就開(kāi)始使用了（open_haartraining.exe只能訓(xùn)練haar特征的分類器，但是opencv_traincascade可訓(xùn)練多種特征的分類器，比如haar，hog，lbp等等）。

opencv_traincascade的原理暫時(shí)沒(méi)有詳細(xì)的探查過(guò)，之后回來(lái)補(bǔ)上。接下來(lái)詳細(xì)的講一下整個(gè)級(jí)聯(lián)分類器的整個(gè)訓(xùn)練過(guò)程。
訓(xùn)練過(guò)程主要分為以下四步：

1.配置訓(xùn)練環(huán)境
2.制作訓(xùn)練數(shù)據(jù)集
3.生成正樣本描述文件（.vec文件）
4.訓(xùn)練樣本分類器
5.常見(jiàn)錯(cuò)誤

配置訓(xùn)練環(huán)境

opencv的源代碼是用c++寫(xiě)的，但是提供了其他主流語(yǔ)言的接口，但是這個(gè)訓(xùn)練的過(guò)程需要調(diào)用opencv自帶的兩個(gè)可執(zhí)行程序open_createsample.exe和opencv_traincascade.exe來(lái)訓(xùn)練分類器里面的參數(shù)，并保存在xml文件中，這樣你的其他語(yǔ)言就可以調(diào)用了。
首先需要找到open_createsample.exe和opencv_traincascade.exe這兩個(gè)程序在計(jì)算機(jī)中的位置，比如我的在C:\Users\lowkeybin\Anaconda3\pkgs\opencv-3.3.1-py36h20b85fd_1\Library\bin（如果找不到，在搜索欄直接搜索這兩個(gè)程序）
這是我這個(gè)地址里面的文件目錄，我只截取了很小一段內(nèi)容，其實(shí)還有很多dll文件和很多其他的文件，但是我們現(xiàn)在不需要那些

xml：用于存放訓(xùn)練好的分類器的參數(shù)，這個(gè)文件夾不是自帶的，需要?jiǎng)?chuàng)建
negdata：存放負(fù)樣本的文件夾，這個(gè)文件不是自帶的，需要?jiǎng)?chuàng)建
posdata：存放正樣本的文件夾，這個(gè)文件不是自帶的，需要?jiǎng)?chuàng)建
negdata.txt：負(fù)樣本的文件路徑，這個(gè)文件不是自帶的，需要?jiǎng)?chuàng)建，創(chuàng)建過(guò)程下面會(huì)提到
posdata24x16.txt：正樣本的文件路徑，這個(gè)文件不是自帶的，需要?jiǎng)?chuàng)建，創(chuàng)建過(guò)成下面會(huì)提到
posdata24x16.vec：生成的正樣本描述文件，這個(gè)文件不是自帶的，需要?jiǎng)?chuàng)建，創(chuàng)建過(guò)程下面會(huì)提到
opencv_createsamples.exe：生成正樣本描述文件的可執(zhí)行程序，這個(gè)是文opencv中自帶的
opencv_haartraining.exe：訓(xùn)練樣本的可執(zhí)行程序，這個(gè)也是opencv中自帶的

制作訓(xùn)練數(shù)據(jù)集

首先將要訓(xùn)練的正類樣本和負(fù)類樣本放入posdata這個(gè)文件夾中，這里的樣本圖片需要是灰度圖片，且不要大于100*100。備注：負(fù)樣本的數(shù)量要大于正樣本的數(shù)量，我用的是正負(fù)樣本數(shù)量比為1：3，這個(gè)會(huì)影響大訓(xùn)練效果，具體需要怎樣的比例需要自己把控，但負(fù)樣本過(guò)少會(huì)出現(xiàn)錯(cuò)誤。
接下來(lái)需要生成正負(fù)樣本的文件路徑，使得訓(xùn)練中可以順利的找到每個(gè)樣本。先進(jìn)入正樣本目錄，新建一個(gè)txt文件，并在中輸入如下內(nèi)容
dir /b/s/p/w *.jpg > num.txt

生成正樣本描述文件

打開(kāi)cmd.exe輸入以下內(nèi)容進(jìn)入open_createsample.exe和opencv_traincascade.exe這兩個(gè)程序的文件地址（以下是我的）
cd C:\Users\lowkeybin\Anaconda3\pkgs\opencv-3.3.1-py36h20b85fd_1\Library\bin
再繼續(xù)輸入以下內(nèi)容（num后是正樣本數(shù)，w和h代表樣本圖片的大?。?br> opencv_createsamples.exe -info posdata.txt -vec pos.vec -num 100 -w 64 -h 64
運(yùn)行成功是這樣的

-info 樣本的說(shuō)明文件
-vec 正樣本描述文件的名字以及路徑
-num 正樣本數(shù)量
-w-h樣本圖片的大小
程序成功運(yùn)行后會(huì)生成posdata.vec

訓(xùn)練樣本分類器

打開(kāi)cmd.exe輸入以下內(nèi)容進(jìn)入open_createsample.exe和opencv_traincascade.exe這兩個(gè)程序的文件地址（以下是我的）
cd C:\Users\lowkeybin\Anaconda3\pkgs\opencv-3.3.1-py36h20b85fd_1\Library\bin
再繼續(xù)輸入以下內(nèi)容（numPos后是正樣本數(shù)，numNeg后是負(fù)樣本數(shù)，w和h代表樣本圖片的大?。?br> opencv_traincascade.exe -data xml -vec pos.vec -bg negdata.txt -numPos 100 -numNeg 226 numStages 20 -featureType LBP -w 64 -h 64
運(yùn)行成功是這樣的（會(huì)迭代很多輪，直到達(dá)到閾值或者訓(xùn)練完二十輪）

常見(jiàn)錯(cuò)誤

posdata.txt中的路徑需要是相對(duì)路徑，而negdata.txt中的路徑需要是絕對(duì)路徑，如果路徑寫(xiě)錯(cuò)會(huì)出現(xiàn)下面的情況

在創(chuàng)建訓(xùn)練數(shù)據(jù)集和訓(xùn)練樣本分類器是代碼中的空格不能少，如果少了會(huì)出現(xiàn)下面的情況