opencv haartraining xml样本训练说明书

Haartraining xml 样本训练说明书 1 准备正负样本 正负样本规格： （1） 均为灰度图； （2） 大小均一致，建议 20*20，这里取 24*24； （3） 准备数量：正负样本均达 200 以上，正样本数量是负样本的两倍左 右。建议：正样本500，负样本500； （4） 样本不能重复，要增大负样本的差异性。 建立如下图的文件夹： （a）face 文件夹目录 (b) face 文件夹的子目录 train_face (c) face 文件夹的子目录 img 图 1 建立的文件夹示意图 Img 为图片正负样本准备的文件夹，包含： pos存正样本的文件夹； neg存负样本的文件夹； posdata未转换成一致大小灰度图的正样本文件夹； negdata未转换成一致大小灰度图的负样本文件夹； ImgProcess把大小不一致的图像装换成一致大小的灰度图的 MFC 工程 文件夹； train_face 为训练的文件夹，包含： pos存正样本的文件夹； neg存负样本的文件夹； xml存训练的 xml 文件； opencv_createsamples.exe 创建样本 vec 文件的执行程序； opencv_haartraining.exe 训练 xml 文件的执行程序； opencv_performance.exe 测试训练的 xml 文件的执行程序。 2 生成正负样本描述文件 建立正样本的描述文件： 打开 cmd 窗口，为了进入 D:open sourceMyTesttrainsfacetrain_facepos 目 录，输入 cmd 命令： D: cd D:open sourceMyTesttrainsfacetrain_facepos 生成带目录的 pos.txt 文件，输入 cmd 命令： dir /s /b pos.txt 打开 pos.txt 文件，删除 pos.txt（在最后一行），最后用替换方法将名字归一 化如下所示： 图 2 正样本描述文件 pos.txt 其中的 pos 是相对路径名，后面紧接着的是文件名，1 代表一个文件，0 0 24 24 表示这个文件的 2 个顶点位置坐标。24 24 表示图像宽高。 负样本的描述文件类似，只是不需要考虑其大小位置。 建立负样本的描述文件： 打开 cmd 窗口，进入 D:open sourceMyTesttrainsfacetrain_faceneg 目录， 输入 cmd 命令： D: cd D:open sourceMyTesttrainsfacetrain_faceneg 生成带目录的 pos.txt 文件，输入 cmd 命令： dir /s /b neg.txt 打开 neg.txt 文件，删除 neg.txt（在最后一行），最后用替换方法将名字归一 化如下所示： 图 3 负样本描述文件 neg.txt 至此，训练数据准备完备了。 3 创建 vec 文件 在创建 vec 文件时，需要把 pos.txt 和 neg.txt 两个样本描述文件剪切到上一 目录，如图所示： 图 4 准备好的 train_face 文件夹 打开 cmd 窗口，进入 D:open sourceMyTesttrainsfacetrain_face 目录，输 入 cmd 命令： D: cd D:open sourceMyTesttrainsfacetrain_face 如果上一次操作还没退出，则可通过上箭头快捷键操作，得到命令 D:open sourceMyTesttrainsfacetrain_faceneg，然后再删除 neg，再回车即可。 输入以下 cmd 命令： opencv_createsamples.exe -vec pos.vec -info pos.txt -num 500 -w 24 -h 24 /-num 正样本数量 -w 图像宽 -h 高 其中的-vec 是指定后面输出 vec 文件的文件名，-info 指定正样本描述文件， -bg 指定负样本描述文件，-w 和-h 分别指正样本的宽和高，-num 表示正样本的 个数。执行完该命令后就会在当前目录下生产一个 pos.vec 文件了。 4 使用 opencv_haartraining.exe 文件进行训练 如果 cmd 窗口还在当前目录下，可使用下面 cmd 命令: opencv_haartraining.exe -data xml -vec pos.vec -bg neg.txt -nstages 12 nsplits 1 -npos 250 -nneg 800 -mem 1280 -mode all -w 24 -h 24 /-mem 分配的内存大小 -w 正样本宽 -h 正样本高， -npos 正样本数量，- nneg 负样本数量。 其中-data 为输出 xml 中间文件的位置，-sym 表示训练的目标为垂直对称，- nsplits 1 表示使用简单的 stump classfier 分类。-mem 1280 表示允许使用计算机 的 1280M 内存，-mode all 表示使用 haar 特征集的种类既有垂直的，又有 45 度 角旋转的。 在当前目录下生产了一个 xml.xml 文件，将其重名名为 face.xml。 5 测试训练的分类器性能 采用 opencv_performance.exe 测试训练的分类器性能。 第一步：先得到 test sample： 进人 D:open sourceMyTesttrainsfacetrain_face 目录，若没退出，则直接 输入 cmd 命令： opencv_createsamples.exe -info test1.dat -img test.bmp -bg neg.txt -num 430 -info 后面是生成的 dat 文件， -img 是人脸图片 -bg 背景图片 -num 生成的 sample 数量 第二步：测试 xml 性能 输入测试命令： opencv_performance.exe -data finger.xml -info test1.dat -ni -data 参数接要测试的 xml 文档 -info 是生成的 sample 后注： haartraining -data haarcascade -vec samples.vec -bg negatives.dat -nstages 20 - minhitrate 0.999 -maxfalsealarm 0.5 -npos 1000 -nneg 2000 -w 20 -h 20 -nonsym - mem 1024 w h is the same, you put during vec file generation npos nneg number of positive samples and negative samples mem RAM memory, that program may use maxfalsealarm maximum false alarm, that stage m