OpenCV之级联分类器训练与使用(四) HAAR级联数据文件结构与精简

Haar级联数据结构  参看 haarcascade_eye.xml
    <?xml version="1.0"?>
    <opencv_storage> <!-- opencv_storage 也是opencv中的一个对象 -->
      <cascade type_id="opencv-cascade-classifier"><stageType>BOOST</stageType> <!-- type_id 是一个标识，stageType(训练的方式) 选Boost -->
        <featureType>HAAR</featureType> <!-- featureType表示特征类型 -->
        <height>20</height> <!-- 训练时，正样本图像的大小，如果待检测的图像尺寸小于这个就无法检测了 -->
        <width>20</width>
        <stageParams> <!-- 属于stage的参数 -->
          <maxWeakCount>93</maxWeakCount></stageParams> <!-- stage中弱分类器数最大的那个，93，也应该是最后的那个stage -->
        <featureParams> <!-- 属于feature的参数 -->
          <maxCatCount>0</maxCatCount></featureParams>
        <stageNum>24</stageNum> <!-- 这里表示下面的stages标签有24个Classifier阶段，也就是<stages>标签下有24个<_></_>标签。这里往后就是级联分类检测器基本原理的那张图 -->
        <stages>
          <_> <!-- 这里的标签表示一个stage -->
            <maxWeakCount>6</maxWeakCount> <!-- 这个阶段，最大弱分类器的个数。越是后面的stage，最大弱分类器的个数应该是越大 -->
            <stageThreshold>-1.4562760591506958e+00</stageThreshold> <!-- stage阈值 -->
            <weakClassifiers> <!-- 弱分类器，该标签下的每一个<_></_>即表示一个弱分类器 -->
              <_>
                <internalNodes> <!-- 表示弱分类器的特征的数据 -->
                  0 -1 0 1.2963959574699402e-01</internalNodes>
                <leafValues> <!-- 弱分类器左右两个节点，判断该标签下的两个值，是左边这个还是右边那个 -->
                  -7.7304208278656006e-01 6.8350148200988770e-01</leafValues></_>
              <_>
            ...
            ...
          </weakClassifiers>
        </_>
        ...
        ...
        </stages>
        <features> <!-- 上面的所有的stage过了后，特征数据就出来了 -->
          <_>
            <rects> <!-- 对于每个矩形都有一个特征数据 -->
            <_> <!-- 标签中的值权重，具体的是什么，要去看代码是怎么实现的了 -->
              0 8 20 12 -1.</_>
            <_>
              0 14 20 6 2.</_></rects></_>
          <_>
          ...
          ...
        </features>
      </cascade>
    </opencv_storage>

数据精简与使用     这样级联数据文件的大小就可以变小，加载也就更快了
    1. 删除不必要的空白行与tab键。
    2. 删除不必要的双精度小数位，只保留小数点后4位即可。
    3. 压缩成zip文件(可选择)。