HAAR、LBP分类器训练

【工作环境】是Windows XP或Linux上的Visual Studio + cygwin。cygwin是必需的，因为我使用了几个UNIX命令。
【注解】在进行安装cygwin过程中，要选择安装“python、perl等”几个选项。

【代码以及脚本准备】
github克隆：https://github.com/mrnugget/opencv-haar-classifier-training
百度云网盘：http://pan.baidu.com/s/1cAeU4I      提取码：o09g
【制作样本的工具】
制作正样本的截图工具：http://pan.baidu.com/s/1mhGVPzE     提取码：c9le

训练方法（99%）：http://www.learnopencv.com/training-better-haar-lbp-cascade-eye-detector-opencv/Naotoshi Seo博士：http://note.sonots.com/SciSoftware/haartraining.html

==================================================================================================

制作正样本工具的使用方法：

训练步骤【步骤1：数据收集-->准备正负样本文件和图片】negative_imagespositive_images【步骤2：生成正负样本描述文件】find ./negative_images -iname "*.jpg" > negatives.txtfind ./positive_images -iname "*.jpg" > positives.txt【步骤3：创建样品】
(1)使用creationamples.pl为每个图像创建.vec文件。该脚本是围绕opencv_createsamples的包装。如OpenCV文档中所述 -“ opencv_createsamples用于准备正面和测试样本的训练数据集。opencv_createsamples以opencv_haartraining和opencv_traincascade应用程序支持的格式生成正样本的数据集。输出是一个带* .vec扩展名的文件，它是一个包含图像的二进制格式。
命令：
原文：perl bin/createsamples.pl positives.txt negatives.txt samples 5000 "opencv_createsamples -bgcolor 0 -bgthresh 0 -maxxangle 1.1 -maxyangle 1.1 maxzangle 0.5 -maxidev 40 -w 40 -h 40"自己：perl bin/createsamples.pl positives.txt negatives.txt samples 4009 "opencv_createsamples -bgcolor 0 -bgthresh 0 -maxxangle 1.1 -maxyangle 1.1 maxzangle 0.5 -maxidev 40 -w 24 -h 24"(2)使用mergevec.py将.vec文件合并到samples.vec中，如下所示：python ./tools/mergevec.py -v samples/ -o samples.vec【步骤4：运行训练脚本，开始训练生成.xml文件】
（1）LBP命令
原文：opencv_traincascade -data lbp -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 4000 -numNeg 7000 -w 40 -h 40 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096 -featureType LBP自己：opencv_traincascade -data lbp -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3000 -numNeg 7000 -w 24 -h 24 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096 -featureType LBP（2）HAAR命令
原文：opencv_traincascade -data haar -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 4000 -numNeg 7000 -w 40 -h 40 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096自己HAAR：opencv_traincascade -data haar -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3000 -numNeg 7000 -w 24 -h 24 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096自己 LBP: opencv_traincascade -data haar -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3000 -numNeg 7000 -w 24 -h 24 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096  -featureType LBP

在Window中的cmd下创建样本描述文件的命令行：
包括全路径创建样本描述文件
dir  /b/s>negatives.txt
dir  /b/s>positives.txt 正样本描述文件后加上1 0 0 24 24
【注】描述文件，特别注意事项：（1）正样本描述文件后面加上1 0 0 24 24（2）去掉正样本、负样本描述文件的最后一行

HAAR训练参数：http://www.ithao123.cn/content-2561305.html

    find ./negative_images -iname "*.jpg" > negatives.txtfind ./positive_images -iname "*.jpg" > positives.txtperl bin/createsamples.pl positives.txt negatives.txt samples 4009 "opencv_createsamples -bgcolor 0 -bgthresh 0 -maxxangle 1.1 -maxyangle 1.1 maxzangle 0.5 -maxidev 40 -w 24 -h 24"python ./tools/mergevec.py -v samples/ -o samples.vecopencv_traincascade -data haar -vec samples.vec -bg negatives.txt -numStages 20 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3500 -numNeg 8000 -w 24 -h 24 -mode ALL -precalcValBufSize 2048 -precalcIdxBufSize 2048

HAAR、LBP分类器训练相关推荐

级联分类器训练及其参数的含义
转载自:级联分类器训练 - OpenCV 2.3.2 documentation http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/user_guid ...
【OpenCV3】级联分类器训练——traincascade快速使用详解
上一篇(OpenCV3中的级联分类器目标检测--cv::CascadeClassifier简介)介绍了如何使用级联分类器进行目标检测.这里,我们介绍一下如何训练自己的级联分类器. 至于原理这里就不再进 ...
OpenCV-Python 级联分类器训练 | 六十三
作者|OpenCV-Python Tutorials 编译|Vincent 来源|OpenCV-Python Tutorials 简介使用弱分类器的增强级联包括两个主要阶段:训练阶段和检测阶段.对象 ...
车辆检测（视觉分类器训练）
车辆检测(视觉分类器训练) ------------------原创作品使用同样的方法,你可以训练自己的识别物体. 一.准备训练数据训练需要一定数量样本.样本分两类:负样本和正样本.负样本是指不包 ...
OpenCV级联分类器训练与使用实战教程-贾志刚-专题视频课程
OpenCV级联分类器训练与使用实战教程-1012人已学习课程介绍基于OpenCV新版本3.1.0详细讲述了HAAR与LBP级联分类器的基本原理与使用技巧,通过视频中人脸实时检测与 ...
OpenCV系列之级联分类器训练 | 六十二
简介使用弱分类器的增强级联包括两个主要阶段:训练阶段和检测阶段.对象检测教程中介绍了使用基于HAAR或LBP模型的检测阶段.本文档概述了训练自己的弱分类器的级联所需的功能.当前指南将逐步完成所有不同 ...
opencv级联增强分类器训练流程--python实现
文章目录介绍重要提示训练数据准备负样本正样本 **额外说明** 使用OpenCV的集成标注工具级联增强分类器训练可视化级联分类器介绍级联增强分类器包含两个主要阶段:训练阶段和检测阶段 ...
如何利用OpenCV自带的级联分类器训练程序训练分类器
介绍使用级联分类器工作包括两个阶段:训练和检测. 检测部分在OpenCVobjdetect 模块的文档中有介绍,在那个文档中给出了一些级联分类器的基本介绍.当前的指南描述了如何训练分类器:准备训练数 ...
【youcans 的图像处理学习课】22. Haar 级联分类器
专栏地址:『youcans 的图像处理学习课』文章目录:『youcans 的图像处理学习课 - 总目录』 [youcans 的图像处理学习课]22. Haar 级联分类器 3. Haar 特征及其加 ...

HAAR、LBP分类器训练

HAAR、LBP分类器训练相关推荐

最新文章

热门文章