《OpenCV训练分类器制作ml》由会员分享，可在线阅读，更多相关《OpenCV训练分类器制作ml（14页珍藏版）》请在金锄头文库上搜索。
1、OpenCV训练分类器制作xml文档2009年 12月 19日 星期六 21:032009-12-19考了 CET英语，心情很差，估计又不过的，哎！英文差！于是看看书，看看自己感兴趣的书今天下午，研究了整个下午的小难题，在8点 40分终于搞定了！肚子饿，还没吃饭，还没洗澡，克服 了一个不懂的小难题，心理有点体会，想在这里留点纪念，方便别人以后学习。于是乎，我写了：(那些开训练器的相关介绍我就不再详细谈了，进入正题)我的问题：有了 opencv自带的那些xml人脸检测文档，我们就可以用cvLoad ()这个函数加载他们， 让他们对我们的人脸进行检测，但是，现在生活中的计算机视觉并不远远是检测人脸
2、，还有很多物品 需要识别，所以，能不能自己做个xml的检测文档，用它来检测自己需要的东西呢？例如，检测一个 可乐瓶！问题解决：首先了解下，目标检测分为三个步骤：1、样本的创建2、训练分类器3、利用训练好的分类器进行目标检测。一，样本的创建：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（例如可乐瓶，人脸等），反例样本 指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小（例如，20X20）。1 负样本（反例样本）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文本文件，每一行包含了一个负样本图片的文件名（基于描述文件的 相对路
3、径）。该文件必须手工创建。例如，假定目录下有bglbmp bg2bmp这2个负样本的图片，这2 个图片放在img目录下，所以其背景描述文件bgtxt的内容为_img/bg1bmp 1 0 0 24 28_ing/bg2bmp 1 0 0 24 28_img/bg3bmp 1 0 0 24 28_ing/bg4bmp 1 0 0 24 28_img/bg5bmp 1 0 0 24 28_ing/bg6bmp 1 0 0 24 28_img/bg7bmp 1 0 0 24 28_ing/bg8bmp 1 0 0 24 28_img/bg9bmp 1 0 0 24 28_ing/bg10bmp 1
4、0 0 24 28这样负样本建立完毕，先保存！等会用！2，正样本现在，我们来看正样本的创建步骤：正样本由程序 createsample 程序来创建。该程序的源代码由 OpenCV 给出，并且在 bin 目录下包含了 这个可执行的程序。例如你 opencv 安装目录为 c: 既 C:OpenCVbin ，你找找就有正样本可以由单个的目标图片或者一系列的事先标记好的图片来创建！2-2在用createsamples.exe这个程序前，先来了解下这个程序的一些命令组合模式Createsamples 程序的命令行参数：命令行参数：-vec 训练好的正样本的输出文件名。-img源目标图片（例如：一个公司图
5、标）-bg背景描述文件。-num要产生的正样本的数量，和正样本图片数目相同。bgcolor背景色（假定当前图片为灰度图）。背景色制定了透明色。对于压缩图片，颜色方差量由 bgthresh参数来指定。则在bgcolorbgthresh和bgcolor+bgthresh中间的像素被认为是透明的。bgthresh inv如果指定，颜色会反色 randinv如果指定，颜色会任意反色 maxidev背景色最大的偏离度。 maxangel maxangle， maxzangle最大旋转角度，以弧度为单位。 show如果指定，每个样本会被显示出来，按下esc会关闭这一开关，即不显示样本图片，而创建过程 继续
6、。这是个有用的 debug 选项。w 输出样本的宽度（以像素为单位）hsample_height 输出样本的高度，以像素为单位。注：正样本也可以从一个预先标记好的图像集合中获取。这个集合由一个文本文件来描述，类似于背 景描述文件。每一个文本行对应一个图片。每行的第一个元素是图片文件名，第二个元素是对象实体的个 数。后面紧跟着的是与之匹配的矩形框（x, y,宽度，高度）。了解了创建函数的命令行参数，现在我们对正样本举个例子：假设有5个正样本图片文件imgl.bmp,img5bmp；创建一个正样本的txt文本文档，名字为info.txt 正样本描述文件 info.txt 的内容如下positive
7、/image1bmp 1 0 0 24 28positive/image2bmp 1 0 0 24 28positive/image3.bmp 1 0 0 24 28positive/image4.bmp 1 0 0 24 28positive/image5.bmp 1 0 0 24 28positive/image6.bmp 1 0 0 24 28图片imgl.bmp包含了单个目标对象实体，矩形为(0,0,24,28)。注意：要从图片集中创建正样本，要用一info参数而不是用一img参数。info 标记特征的图片集合的描述文件。背景(负样本)描述文件的内容如下：_img/bg1.bmp 1
8、0 0 24 28_ing/bg2.bmp 1 0 0 24 28_img/bg3.bmp 1 0 0 24 28_ing/bg4.bmp 1 0 0 24 28_img/bg5.bmp 1 0 0 24 28_ing/bg6.bmp 1 0 0 24 28_img/bg7.bmp 1 0 0 24 28_ing/bg8.bmp 1 0 0 24 28_img/bg9.bmp 1 0 0 24 28_ing/bg10.bmp 1 0 0 24 28这几个文件的位置在同个文件夹下，哎，看图，一目了然：info,txt 文本文档1 KB是O歯Q搜索缶文件夹HIP O E:ftcebincreate
9、5ample5.exe hBartrai ning.EXEbg.txt 文本文柚1 KB玄件夷任务人老一爭新文件夹華伞文件夹发布Web氢此文件夹置施自文档现在说了这么多废话，现在开始干了： 首先，打开，DOS,（开始-运行-输入cmd） 缺换到刚那个文件放的文件夹下，如图，dos命令的缺换用cd,不详说。如图：输入的命令如图：-;ni：cd faceE：facebincreatesamples-exe -uec a.uec -info info.txt -bg bg.txt num 6 -w 24 h 28Info file name: infc.txtI mg f ileUse filoBG
10、 fileNum: 6BG color： MBG threshcId： 80Inuert: FfiLSEMaxMaxMaxMaxname :ranc name :a. vcc bgtxtf /hi biidu. eohi/Jz序小兵intensity deuiation: 40 x angle: 11y angle =z angle: 05=L 丄http : /hi bai du. mm/程序小兵Mtp : /hi. bai du.匚匚叽丿程序小兵licrosoft Windows XP 版本 5.1.2600 ：C 版权所有 1985-2001 Microsoft Corp.:二 KDac
11、uinentzs and Sett inffs Kfirtninist：pa.ltn!i*e :http: /hi bai du. mm,程序办兵1 ； xf acexhincieatesamples .exe -uec a.uec info infobg bg.txt -num 6 -w 24-h 28ht tp ： /lu .右 dk. 州/程序、兵然后按回车键，会出现生成正样本文件的信息：如图-hE:cd faceE： f acecd binShou samples: FALSEWidth： 24Height: 26Create training samples from images
12、collection - - . L.卜门 匕耳 血.蕾叮Done Created 6 samples好，接下来是训练分类器，请看下一篇文章“OpenCV训练分类器制作xml文档之三三、训练分类器样本创建之后，接下来要训练分类器，这个过程是由haartraining程序来实现的。Haartraining 的命令行参数如下：data存放训练好的分类器的路径名。vec正样本文件名（由 trainingssamples 程序或者由其他的方法创建的）bg背景描述文件。npos，nneg用来训练每一个分类器阶段的正/负样本。合理的值是：nPos = 7000；nNeg = 3000nstages训练的阶
13、段数。nsplits决定用于阶段分类器的弱分类器。如果1,则一个简单的stump classifier被使用。如果是2或者更 多，则带有number_of_splits个内部节点的CART分类器被使用。mem预先计算的以MB为单位的可用内存。内存越大则训练的速度越快。sym(default)nonsym指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对称的 minhitratemin_hit_rate每个阶段分类器需要的最小的命中率。总的命中率为min_hit_rate的number_of_stages次方。 maxfalsealarm没有阶段分类器的最大错误报警率。总的错误警告率为max_false_alarm_rate的 number_of_stages 次方。weighttrimming 指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9eqwmode选择用来训练的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。wsample_widthhsample_he
