标签：
D:/face 构造face训练器为例
一：样本创建
训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其它任意图片。
负样本可以来自于任意的图片，但这些图片不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个。
创建 正 负 样本目录
mkdir D:\face\posdata
mkdir D:\face\negdata
把正负样本图片，分别放入2个文件夹下。
生成负样本描述文件
cd D:\face\negdata
dir /b > negdata.dat #删除negdata.data的最后一行，因为最后一样是描述文件本身。
生成正样本描述文件
cd D:\face\posdata
dir /b > posdata.dat #删除posdata.data的最后一行，因为最后一样是描述文件本身
然后为 posdata.dat 中的每一行后加上文件描述擦数（图片个数，目标开始，结束位置，高，宽），例如
1.jpg 1 1 1 23 23
2.jpg 1 1 1 23 23
使用createsamples命令生成正例训练.vec文件。
opencv_createsamples -info D:\face\posdata\posdata.data
-vec D:\face\data\pos.vec
-num 10 -w 20 -h 20
运行后生成的pos.vec 文件作后面的训练用
二：训练分类器
使用 traincascade（opencv2 中只有haartrainning命令，注意版本2个3的参数格式稍有不同）。
命令如下：
opencv_traincascade -data D:\face\data\cascade #分类器的存放路径
-vec D:\face\data\pos.vec #正样本的vec文件
-bg D:\face\negdata.dat #付样本描述文件
-numPos 10 #正样图片文件本个数
-numNeg 10 #付样本图片文件个数
-numStages 5 #训练阶段数，根据样本数量而定，太大，会提示错误：Train dataset for temp stage can not be filled. .
-mode ALL #训练的haar特征集的种类。basic仅仅使用垂直特征。all使用垂直和45度角旋转特征。
-w 20 -h 20 #样本宽和高
如果参数都设置对了，任然报错误：Train dataset for temp stage can not be filled. Branch training terminated.
可能是 -gb 参数不带文件名称， 那可以付样本的描述文件放到执行目录，负样本的描述内容增加图片位置的路径来解决。
最后没有报错，会在-data的路径下生成训练文件。
三：利用训练好的分类器，做检测
##TODO 还没有找到performance.exe程序
performance.exe
使用python-cv2 调用生成的分类器：
import cv2
cascade = cv2.CascadeClassifier(‘D:\face\data\cascade\cascade.xml‘)
faces = cascade .detectMultiScale(gray, 1.3, 5)
标签：
原文地址：http://www.cnblogs.com/alangwansui/p/5505255.html
