OpencvHaartrainingxml样本训练说明书.docx

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 12nsplits 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 1024w h is the same, you put during vec file generationnpos nneg number of positive samples and negative samplesmem RAM memory, that program may usemaxfalsealarm maximum false alarm, that stage may have.