HaarAdaBoost分類器訓(xùn)練總結(jié).ppt

1、Haar+AdaBoost分類器訓(xùn)練總結(jié),Page 2,目錄,Page 3,準(zhǔn)備階段-樣本收集,正樣本： 工具：Image Clipper-可以很方便地從視頻或圖像文件夾中讀取當(dāng)前幀或當(dāng)前圖像， 并截取和保存所需的樣本圖像 負(fù)樣本： 所有不包含待檢測目標(biāo)的圖像都可以作為負(fù)樣本 一般正負(fù)樣本需要幾千上萬張圖像，所以正樣本收集過程耗時比較長,Page 4,準(zhǔn)備階段-樣本準(zhǔn)備,負(fù)樣本可以是任意大小，只要不包括待檢測目標(biāo)即可。 簡潔的方式是從視頻或圖像背景中直接劃分出負(fù)樣本，也可以利用現(xiàn)有的圖像庫，或者可以從網(wǎng)上的圖像素材庫中下載 建立保存負(fù)樣本的文件夾（如：neg），并在neg目錄下建立negdat

2、a.dat描述文件 Negdata.dat的內(nèi)容如下： 1.bmp 2.bmp 3.bmp 生成描述文件的方法：在命令行窗口中，變更到當(dāng)前文件夾路徑(neg)，輸入 dir /b negdata.dat就會在neg下生成描述文件，去掉其中對描述文件自身的描述negdata.dat即可 如果negdata.dat保存在neg外面，在每一行前面添加相對路徑或絕對路徑來指出樣本所在位置即可,Page 5,準(zhǔn)備階段-樣本準(zhǔn)備,截取后的正樣本要做兩個改動： 1、正樣本要縮放為統(tǒng)一size，可以使用Image resizer工具 2、截取后的默認(rèn)格式為.png，使用批量重命名工具修改樣本名為所需的名稱和格

3、式 建立保存正樣本的文件夾（如：pos），并在pos目錄下建立posdata.dat描述文件，到這里與負(fù)樣本的準(zhǔn)備是一致的。不同之處在于正樣本的描述中需要指出目標(biāo)在圖像中的數(shù)量和位置 比如1.bmp中包含一輛汽車，它的描述應(yīng)寫成1.bmp 1 x1 y1 x2 y2 其中(x1,y1,x2,y2)指出這個目標(biāo)所在的矩形框 由于所有正樣本都是統(tǒng)一size，只要在記事本中編輯描述文件將bmp替換成bmp 1 0 0 width height 即可，width和height是圖像的寬和高,Page 6,準(zhǔn)備階段-樣本準(zhǔn)備,正樣本還需要根據(jù)描述文件和樣本圖像生成.vec文件才是最后的正樣本數(shù)據(jù) 生成程

4、序為OpenCV1.0/bin/CreateSamples.exe（在后期版本OpenCV中需自行編譯） 可以使用批處理文件或命令行調(diào)用CreateSamples.exe 參數(shù)設(shè)置：-info posdata.dat 正樣本描述文件 -vec pos.vec 生成的.vec文件名 -num 5323 正樣本的數(shù)量 -w 50 樣本的寬度 -h 50 樣本的高度 運行后，出現(xiàn)Done.Created 5323 samples 表明生成5323個樣本成功,Page 7,準(zhǔn)備階段-訓(xùn)練準(zhǔn)備,訓(xùn)練可以使用批處理文件或命令行調(diào)用haartraining.exe 參數(shù)設(shè)置：-data 生成的分類器名稱和路

5、徑，包括級聯(lián)文件夾和.xml文件兩部分， 二者是相同的； -vec 正樣本的.vec文件路徑 -bg 負(fù)樣本的描述文件路徑 -npos 正樣本數(shù)量 -nneg 負(fù)樣本數(shù)量 -nstages 級聯(lián)分類器的層數(shù) -mem 分配的內(nèi)存空間，越大訓(xùn)練過程越快 -sym 目標(biāo)是否對稱 -minhitrate 要達(dá)成的檢測率 -maxfalsealarm 要達(dá)成的虛警率 -mode 選取的特征模式 -w 正樣本寬度 -h 正樣本高度 當(dāng)級數(shù)達(dá)到nstages或者檢測率、虛警率同時滿足時，訓(xùn)練結(jié)束，程序退出,Page 8,準(zhǔn)備階段-結(jié)果檢測,樣本數(shù)量越多，訓(xùn)練時間也就越長。最終將生成一個級聯(lián)分類器的文件夾和

6、一個.xml文件，通過OpenCV中提供的convert_cascade.exe(OpenCVsamplesc目錄下)可以將文件夾轉(zhuǎn)換成.xml文件 分類器檢測 編寫程序使用cvHaarDetectObjects()函數(shù)或者通過批處理文件/命令行調(diào)用performance.exe(與haartraining.exe同路徑)來檢測分類器效果如何 如果使用performance.exe，還需要準(zhǔn)備測試集，與負(fù)樣本的準(zhǔn)備相同，對size沒有限制，不同之處是要再文件描述中添加類似正樣本描述中的目標(biāo)位置信息。如果一個測試圖像中有兩個目標(biāo)，可以這樣描述：1.bmp 2 x1 y1 x2 y2 x1 y1

7、x2 y2 其中(x1,y1,x2,y2)(x1,y1,x2,y2)分別是兩個目標(biāo)的位置，當(dāng)有更多目標(biāo)時往后羅列即可。 Performance.exe中會對檢測到的候選目標(biāo)作如下判斷： If(候選矩形框與真實目標(biāo)矩形框中心的距離 width * maxPosDiff & width / maxSizeDiff候選矩形框?qū)挾?width * maxSizeDiff) e.g:width是真實目標(biāo)框?qū)挾?如果滿足，計一個hit，否則為falsealarm，最后根據(jù)hit計算出Missed。,Page 9,可能遇到的問題,負(fù)樣本收集 負(fù)樣本的數(shù)量理論上是無窮大，因而收集負(fù)樣本時應(yīng)注意樣本的數(shù)量和多樣

8、性 如果數(shù)量太少或者多樣性不好，很容易陷入訓(xùn)練過程中無法繼續(xù)下去。 解決辦法：增加負(fù)樣本數(shù)量，可以不必局限于背景圖像作為負(fù)樣本。訓(xùn)練中止，增加負(fù)樣本后，程序?qū)囊呀?jīng)訓(xùn)練過的stage處為節(jié)點繼續(xù)訓(xùn)練過程，并不會浪費很多時間 2. 正樣本收集 正樣本收集中應(yīng)當(dāng)盡量密集，盡管兩個時刻的目標(biāo)之間看不出什么差異，但是最后可能在有樣本的地方能夠檢測到，而在沒有樣本的地方出現(xiàn)漏檢 如下圖：,Page 10,可能遇到的問題,3. 內(nèi)存不足 該提示指出有參數(shù)超出范圍在cvAlloc中，可以修改-mem參數(shù)，檢查是否有足夠的內(nèi)存空間，建議關(guān)閉不需要的程序和進(jìn)程釋放內(nèi)存。 4. 負(fù)樣本描述文件有誤 有可能會出現(xiàn)找

9、不到負(fù)樣本的情況，negdata.dat描述的路徑找不到響應(yīng)文件。 正樣本因為存儲在.vec文件中很少出現(xiàn)這種情況,Page 11,經(jīng)驗總結(jié),分類器訓(xùn)練過程時間比較長，尤其正樣本的增加對時間增加的貢獻(xiàn)率大于負(fù)樣本 訓(xùn)練過程中可以中止訓(xùn)練，替換或者增加、刪除樣本都是可以的（Ctrl+C退出訓(xùn)練過程），重新開始后將讀取級聯(lián)文件夾中的當(dāng)前分類器然后繼續(xù)訓(xùn)練 Performance.exe檢驗分類器效果不是很一目了然，最好在窗口中顯示檢測結(jié)果來檢驗 負(fù)樣本的選擇很關(guān)鍵，最好在size、內(nèi)容、來源上體現(xiàn)出多樣，同時以實際應(yīng)用中的背景為負(fù)樣本主要部分。另外size的變化有助于解決前面提到的可能遇到的問題1 訓(xùn)練機(jī)器的內(nèi)存空間盡量大，舉例：兩次樣本數(shù)量相差不多（200/6000）的訓(xùn)練過程中