相信看完上一篇的大家伙，一定想赶紧的训练一个自己的分类器进行目标的检测识别，下面，就是大家想要的内容哦，赶紧学习吧。
续更上一篇，主要写怎样训练自己分类器，以及训练过程中出现的错误和注意事项
训练过程
opencv_createsamples.exe
opencv_traincascade.exe
opencv_world341.dll
新建一个文件夹，从安装目录下将以下放进去，并建立如图所示：
数据准备
众所周知，无论什么方法，训练自己的数据，需要有大量且高质量的样本，所以说前提是收集大量的数据，包括正样本、负样本，样本数量最好是1：2以上，我这里简单测试，10张自己鼠标的正样本和14张负样本，正样本必须统一尺寸大小，负样本尺寸无需修改，但要大于正样本尺寸且不能包含正样本，正样本我修改的是20*20，名字从1-10，统一格式可以使用看图王等软件进行批量修改，或者你可以自己写个函数批量修改。
第一步：正样本
将处理好的正样本放进pos文件夹
在pos中cmd运行dir /b >pos.dat，生成pos.dat
记事本打开pos.dat，将 bmp 替换为 bmp 1 0 0 20 20 ，并将与图片路径无关的数据删除。
第二步：负样本
将负样本放进neg文件夹，
在neg中cmd运行dir /b >neg.dat，生成neg.dat
记事本打开neg.dat，将每张图片路径前加上neg/，并删除无关数据
生成vec
主目录下cmd运行，在pos目录下生成pos.vec
opencv_createsamples.exe -info pos\pos.dat -vec pos\pos.vec -num 10 -w 20 -h 20
开始训练
主目录下cmd运行以下命令进行训练
opencv_traincascade.exe -data data -vec pos\pos.vec -bg neg\neg.dat -numPos 10 -numNeg 14 -numStage 15 -w 20 -h 20 -minHitRate 0.9999 -maxFalseAlarmRate 0.5 -mode ALL
训练过程每一层都会被保存在data文件夹下，当训练层数达到设定或者提示Required leaf false alarm rate achieved. Branch training terminated. 即虚警率已经达标 不再继续训练
即训练结束，最终结果为data下的cascade.xml。
结果分析
到此训练已经结束，把cascade.xml路径放进上一篇里的测试程序进行测试即可，我这里就十张图片，但最终也是出了测出了结果，吓的我一个激灵，上图给大家看看吧。
运行过程中的问题
说起来全都是泪啊，大家一定按照步骤一步一步的进行下去，该放哪放哪，等你深入理解了之后，就可以为所欲为了。一开始生成的neg.dat没有修改，每张图片的路径前没有加neg/，导致训练一直出现问题，卡了老半天
个人理解应该是训练时，运行cmd是在主目录下，然后路径的话是相对主目录的路径，所以需要加上neg/
错误提示：
Train dataest for temp stage can not be filled.Branch training terminated.
Cascade classifier can’t be trained. Check the used training parameters.
