使用opencv训练自己的adboost分类器

opencv中有两个函数可以训练分类器opencv_haartraining.exe和opencv_traincascade.exe,前者只能训练haar特征，后者可以用HAAR、LBP和HOG特征训练分类器。这两个函数都可以在opencv\build\x64\vc14\bin文件夹下找到。

1. 首先是样本的准备、其次是对样本进行处理、再次生成样本描述文件、最后一步是训练分类器。

2. 生成描述文件

正负样本都要转化成灰度图，本文采用的是识别海洋上航天的航空母舰，背景选择为大海，因为只是为了测试，这里选取了45张较少的正样本，77zhan张负样本。通过之前博客所介绍的方法进行统一灰度和尺度化（50*50）。

生成样本描述文件环节，如图所示首先在CMD中cd进入到当前目录，也就是opencv_createsamples.exe文件夹下；然后依次输入：opencv_createsamples.exe -info pos\pos.txt -vec pos.vec -bg neg\neg.txt -num 45 -w 50 -h 50 回车之后文件夹下就会出现pos.vec文件。只需要对正样本进行以上操作，负样本不需要生成vec文件。

注意pos.txt的格式如下：

0.jpg 1 0 0 50 50
1.jpg 1 0 0 50 50
2.jpg 1 0 0 50 50
3.jpg 1 0 0 50 50
4.jpg 1 0 0 50 50
5.jpg 1 0 0 50 50

3. 训练分类器

在以上准备工作都做好的情况下，就可以进行训练分类器了。opencv2.x应该是叫haartarining.exe opencv3.x将haar和lbp整合成一个。在cmd命令行下输入：C:\Users\wangz\Desktop\adboost>opencv_traincascade.exe -data cascade -vec pos.vec -bg neg\neg.txt -numpos 45 -numneg 77 -mem 80000000 -mode ALL -w 50 -h 50

参考：https://blog.csdn.net/nienelong3319/article/details/79287546

训练过程中发现一个问题，提示内存不足（可能是正样本数目不足），具体还未解决，但是过程是正确的，有知道问题的小伙伴希望交流一下。

最后就是训练出来的xml文件的使用了，具体如下：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
String face_cascade_name = "D:/vcprojects/cascadetrain/custom_face_cascade.xml";
CascadeClassifier Detector;
String window_name = "Capture - Face detection";


int core=1 ;
int size_max = 10;
void callback(int, void*);
Mat image;

int main(int argc, char** argv) {
	// 加载训练数据
	if (!Detector.load(face_cascade_name)) {
		printf("could not load face data...\n");
	}
	// 加载测试图片
	
	Mat gray_src;
	Mat image = imread("123.jpg");
	namedWindow(window_name, CV_WINDOW_AUTOSIZE);
	// 转换为灰度图像
	createTrackbar("SIZE", window_name,&core, size_max,callback);
	callback(0, 0);
	
	imshow(window_name, image);
	// 按任意键退出
	waitKey(0);
	return 0;
}

回调函数部分：

void callback(int, void*) {
	Mat dimage;
	blur(image, image, Size(2*core+1, 2 * core + 1), Point(-1, -1));
	cvtColor(image, image, COLOR_BGR2GRAY);
	equalizeHist(image, dimage);
	// 使用自己训练的级联检测器人脸检测
	//threshold(dimage, );
	std::vector<Rect> faces;
	Detector.detectMultiScale(dimage, faces, 1.3, 1, 0, Size(24, 24));
	for (size_t t = 0; t < faces.size(); t++) {
		rectangle(image, faces[t], Scalar(0, 0, 255), 3);
	}
	// 显示结果
}

使用opencv训练自己的adboost分类器

猜你喜欢