Opencv训练自己分类器

原文地址丢失，请谅解！

1.准备训练样本图片

1.1样本的采集：

样本图片最好使用灰度图，且最好根据实际情况做一定的预处理；样本数量越多越好，尽量高于1000，样本间差异性越大越好

正负样本比例为1：3最佳；尺寸为20x20最佳。

1.1.1正样本

训练样本的尺寸为20*20(opencv推荐的最佳尺寸)，且所有样本的尺寸必须一致。如果不一致的或者尺寸较大的，可以先将所有样本统一缩放到20*20。

以下就是我用来训练的正样本：

1.1.2负样本

这里要提醒一下，虽然负样本就是样本中不存在正样本的内容。但也不能随意的找些图片来作为负样本，比如什么天空，大海，森林等等。最好是根据不同的项目选择不同的负样本，比如一个项目是做机场的人脸检测，那么就最好从现场拍摄一些图片数据回来，从中采集负样本。其实正样本的采集也应该这样。不同的项目，就采集不同的正样本和负样本。因为项目不同，往往相机的安装规范不同，场景的拍摄角度就不同。

1.1.3 准备好工作目录

negdata目录: 放负样本的目录

posdata目录：放正样本的目录

xml目录：新建的一个目录，为之后存放分类器文件使用

negdata.txt: 负样本路径列表

posdata.txt: 正样本路径列表

pos.vec: 后续自动生成的样本描述文件

opencv_createsamples.exe: 生成样本描述文件的可执行程序(opencv自带)

opencv_haartraining.exe: 样本训练的可执行程序(opencv自带)

将下图中的所有文件拷贝到样本同级目录

1.1.4生成样本描述文件

1，生成正样本描述文件

进入posdata目录

执行dir /b/s/p/w *.jpg > pos.txt

2，生成负样本描述文件

进入negdata目录

执行dir /b/s/p/w *.jpg > neg.txt

打开正负样本描述文件如图：

将jpg全部替换成下面的格式

图中划线处为图片像素大小

将正负样本描述文件拷贝到与opencv_createsamples.exe文件同一目录

1.1.5生成.vec文件

opencv_createsamples.exe -vec pos.vec -info pos.txt -num 18500 -w 20 -h 20

opencv_createsamples.exe -vec neg.vec -info neg.txt -num 10500 -w 50 -h 50

出现以下信息即是生成成功（样本不标准会出错）

说明：

-info，指样本说明文件

-vec，样本描述文件的名字及路径

-num，总共几个样本，要注意，这里的样本数是指标定后的20x20的样本数，而不是大图的数目，其实就是样本说明文件第2列的所有数字累加

-w -h指明想让样本缩放到什么尺寸。这里的奥妙在于你不必另外去处理第1步中被矩形框出的图片的尺寸，因为这个参数帮你统一缩放！(我们这里准备的样本都是20*20)

1.1.6训练样本

新建文件traincascade.bat

把

opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 500 -numNeg 656 -numStages 20 -w 20 -h 20 -mode ALL

pause

复制进去保存

准备好数据后，就该训练了，根据官网参数的提示进行设置。一下是我的设置，可参考：
opencv_traincascade -data cascade_license_dir -vec licenseVec -bg LicenseText.txt -numPos 800 -numNeg 4000 -numStages 15 -featureType LBP -w 45 -h 25 -minHitRate 0.99 -maxFalseAlarmRate 0.3 -bt DAB -maxDepth 2
1
记得-w 和-h就是小写的，还有-minHitRate和-maxFlaseAlarmRate参数，不然训练速度很快，而且训练的效果不理想。 -numNeg会比实际准备的负样本个数大两三倍，并且-w和-h和用opencv_createsamples中用的-w和-h保持一致，不然会报错。

训练完之后，进行测试，分类器效果还是不够理想，会把相近的都选中，降低 -maxFlaseAlarmRate的参数，提高-numPos参数，以及把负样本也做一次直方图均衡化，在加些标准的负样本。再次进行训练。
中途报错：Can not get new positive sample.The most possible reason id insufficient count of samples is given veg-file.

出现这种错的原因提示中很明显，正样本的数目不够，也就是-numPos设置的大了。加入正样本的数目一共有1900张，-numPos设置的是1800张，那么在第一级分类器中，会在1900张图片中选择1800张，在准确率达到0.99时结束第一级训练，那么分类器认为正样本还有18000.99张；到了第二级分类器，依旧需要输入1800张图片，那么还得从剩余的（1900-1800）张图片中选择（1800-18000.99）张，加上第一级分类器筛选出的正样本一起去训练，依次类推，假如你剩余的样本少于分类器需要的正样本数目，就会报错。所以设置-numPos的时候尽量是正样本数目的80%左右。

错误：Train dataset for temp stage can not be filled. Branch training terminated.

若出现这种错误，是负样本的路径有问题，-bg 后面的参数只能是文件名称，不能是路径+文件名称，需要把负样本的txt文件放到当前目录下，并在txt文件中的路径加上负样本图片的文件名。

把pos.txt和neg.txt改回如图格式（注意：这一步至关中重要）

然后双击traincascade.bat进行训练

说明：

点击训练后会出现如图所示代表正确训练中

训练结束后会在xml目录下生成如图文件（其中cascade.xml就是我们训练得到的分类器）

Opencv训练自己分类器相关推荐

使用opencv训练cascade分类器进行目标检测
文章目录 0.建立训练目录 1.建立正负样本 2.生成正负样本的txt文件 3.生成 pos.vec描述文件 4.训练cascade分类器 5.目标检测总结 0.建立训练目录文件夹: train/ ...
OpenCV训练分类器
OpenCV训练分类器一.简介目标检测方法最初由Paul Viola [Viola01]提出,并由Rainer Lienhart [Lienhart02]对这一方法进行了改善.该方法的基本 ...
Python+OpenCV：训练级联分类器（Cascade Classifier Training）
Python+OpenCV:训练级联分类器(Cascade Classifier Training) Introduction Working with a boosted cascade of we ...
OpenCV训练分类器制作xml文档
opencv 2.1网上查的另一种资料训练分类器成功,在此与大家分享. 参考英文资料网址: http://note.sonots.com/SciSoftware/haartraining.html# ...
使用OpenCV训练好的级联分类器识别人脸
一.使用OpenCV训练好的级联分类器来识别图像中的人脸当然还有很多其他的分类器,例如表情识别,鼻子等,具体可在这里下载: OpenCV分类器 import cv2 # 矩形颜色和描边 color ...
OpenCV - 训练分类器
一．收集样本正样本:待检目标样本负样本:其它任意图片 PS.所有样本图片都应该有同一尺寸,如20 * 20 ACDSee软件:对图像批量处理为20x20大小的图片 1.把所有正样本图片放在posd ...
Qt +opencv 通过级联分类器训练的模型进行识别（车辆识别+人脸识别）
有不对的或更好的方法欢迎交流一些内容可参照这篇文章:https://blog.csdn.net/m0_64596200/article/details/126748697?spm=1001.2014 ...
OpenCV的级联分类器训练
使用增强级联的弱分类器包括两个主要阶段:训练和检测阶段.对象检测教程中有描述使用基于 HAAR 或 LBP 模型的检测阶段.这里主要介绍训练增强分类器级联所需的功能,包括:准备训练数据.执行实际模型训 ...
用opencv训练LBP特征分类器生成xml文件
用opencv训练LBP特征分类器生成xml文件需要工具:opencv_createsamples.exe .opencv_traincascade.exe .opencv_world3414.dl ...

Opencv训练自己分类器

Opencv训练自己分类器相关推荐

最新文章

热门文章