訓(xùn)練自己的分類器學(xué)習(xí)

、簡介目標(biāo)檢測方法最初由PaulViola[ViolaOl]提出，并由RainerLienhart[LienhartO2]對這一方法進行了改善。該方法的基本步驟為：首先，利用樣本（大約幾百幅樣本圖片）的harr特征進行分類器訓(xùn)練，得到一個級聯(lián)的boosted分類器。分類器中的"級聯(lián)"是指最終的分類器是由幾個簡單分類器級聯(lián)組成。在圖像檢測中，被檢窗口依次通過每一級分類器，這樣在前面幾層的檢測中大部分的候選區(qū)域就被排除了，全部通過每一級分類器檢測的區(qū)域即為目標(biāo)區(qū)域。分類器訓(xùn)練完以后，就可以應(yīng)用于輸入圖像中的感興趣區(qū)域的檢測。檢測到目標(biāo)區(qū)域分類器輸出為1,否則輸出為0。為了檢測整副圖像，可以在圖像中移動搜索窗口，檢測每一個位置來確定可能的目標(biāo)。為了搜索不同大小的目標(biāo)物體，分類器被設(shè)計為可以進行尺寸改變，這樣比改變待檢圖像的尺寸大小更為有效。所以，為了在圖像中檢測未知大小的目標(biāo)物體，掃描程序通常需要用不同比例大小的搜索窗口對圖片進行幾次掃描。目前支持這種分類器的boosting技術(shù)有四種：DiscreteAdaboost,RealAdaboost,GentleAdaboostandLogitboost。"boosted"即指級聯(lián)分類器的每一層都可以從中選取一個boosting算法（權(quán)重投票），并利用基礎(chǔ)分類器的自我訓(xùn)練得到。根據(jù)上面的分析，目標(biāo)檢測分為三個步驟：樣本的創(chuàng)建2、 訓(xùn)練分類器3、 利用訓(xùn)練好的分類器進行目標(biāo)檢測。二、樣本創(chuàng)建訓(xùn)練樣本分為正例樣本和反例樣本，其中正例樣本是指待檢目標(biāo)樣本，反例樣本指其它任意圖片。一般情況下我們選取正樣本：負樣本比例為1:2負樣本負樣本可以來自于任意的圖片，但這些圖片不能包含目標(biāo)特征。負樣本由背景描述文件來描述。背景描述文件是一個文本文件，每一行包含了一個負樣本圖片的文件名（基于描述文件的相對路徑）。該文件創(chuàng)建方法如下：按Ctrl+R打開Windows運行程序，輸入cmd打開DOS命令窗口，輸入d:回車，再輸入cdD:\face\negdata進入圖片路徑，再次輸入dir/b>negdata.dat則會圖片路徑下生成一個negdata.dat文件，打開該文件將最后一行的negdata.dat刪除，這樣就生成了負樣本描述文件。dos命令窗口結(jié)果如下圖：出山Bate切七亦”也Dr 1V* 世Ih.-e!?E.創(chuàng)建完之后會在negdata文件夾里面找到一個negdata.dat文件，用記事本打開，把最后行的negdata.dat保存即可。正樣本第一步和負樣本的生成一樣采用Dos命令生成樣本描述文件。具體方法是在Dos下的進入你的圖片目錄，比如我的圖片放在D:\face\posdata下，則：按Ctrl+R打開Windows運行程序，輸入cmd打開DOS命令窗口，輸入d:回車，再輸入cdD:\face\posdata進入圖片路徑，再次輸入dir/b>posdata.dat則會圖片路徑下生成一個posdata.dat文件，打開該文件將最后一行的posdata.dat刪除，這樣就生成了負樣本描述文件。這時候需要注意的一個問題：正樣本描述文件中要把后綴bmp替換成bmp1112020用記事本打開，編輯-替換)而負樣本則不需要此操作。否則會出現(xiàn)：invalidbackgrounddescriptionfiles錯誤示例：posdata/1(10).bmp1112020posdata/1(11).bmp1112020posdata/1(12).bmp1112020這里的第一個“1”代表本圖片的個數(shù)，后面的“11”表示起始點坐標(biāo)“2020”表示寬高正樣本的大小要保持一致、正樣本的準備工作還沒有結(jié)束哦，請看下面的步驟：由于HaarTraining訓(xùn)練時輸入的正樣本是vec文件，所以需要使用OpenCV自帶的CreateSamples程序(在你所按照的opencv\bin下，如果沒有需要編譯opencv\apps\HaarTraining\make下的.dsw文件，注意要編譯release版的)將準備好的正樣本轉(zhuǎn)換為vec文件。轉(zhuǎn)換的步驟如下：運行CreateSamples程序。(這個可執(zhí)行文件在opencv的安裝目錄里面的bin文件夾中)如果直接在VC環(huán)境下運行，可以在Project'Settings'Debug屬性頁的Programarguments欄設(shè)置運行參數(shù)。下面是一個運行參數(shù)示例：-infoD:\face\posdata\posdata.dat-vecD:\face\pos.vec-num50-w20-h20表示有50個樣本，樣本寬20,高20，正樣本描述文件為posdata.dat，結(jié)果輸出到pos.vec。或者在dos下輸入："D:\ProgramFiles\OpenCV\bin\createsamples.exe"-info"posdata\posdata.dat"-vecdata\pos.vec-num50-w20-h20運行完了會d:\face\data下生成一個*.vec的文件。該文件包含正樣本數(shù)目寬高以及所有樣本圖像數(shù)據(jù)。結(jié)果入下圖：\face>uD^XProgramFiles\OpenCUXbin\createsanples.exe"-info"posdataXposdatadat"-uecdata\pos.uec-num49-w23-h23Infofilename:posdataXposdata.datIngfiLename:<NULL>Uecfilename:dataXpos.uecBGfilename：<NULL>Hum：49BGcolor：魁BGthreshold：83Inuert:FALSEpaxintensitydeviation:40paxxangled1.1paxi!angled1.1Maxzangled0”5ShousamplestFALSEWidth：20Height:23Createtrainingsamplesfromimagescdllection...^one.Created49samples-info"posdatstlpowdata.D：Xface>"D：XProgramFiles\OpenCUXbinScreatesamples.exe'1dat"-uecdsita\pos.uec-nun49-w20-h20-info"posdatstlpowdata.Infofilename:posdatH'posdata.datImgfilename:<NULL>Uecfilename:dataXpos.uecBGfilename：<NULL>Num：49BGcolor：0BGthreshoId：80Inuert:FALSErlaxint：ensitydeuiation:40rlaxxangle:1.1rlaxyangle:1.1Maxzangle:0.5Shousamples:FALSEUidth：20Height：20Createtrainingsamplesfronimagescollection...Done.Created49samples 「完成49個樣本，這里取的樣本個數(shù)少，但是一定要完成所有樣本的處理Createsamples程序的命令行參數(shù)：命令行參數(shù)：－vec<vec_file_name>訓(xùn)練好的正樣本的輸出文件名。－img<image_file_name>源目標(biāo)圖片（例如：一個公司圖標(biāo)）－bg<background_file_name>背景描述文件。－num<number_of_samples>要產(chǎn)生的正樣本的數(shù)量，和正樣本圖片數(shù)目相同。－bgcolor<background_color>背景色（假定當(dāng)前圖片為灰度圖）。背景色制定了透明色。對于壓縮圖片，顏色方差量由bgthresh參數(shù)來指定。則在bgcolor－bgthresh和bgcolor＋bgthresh中間的像素被認為是透明的。－bgthresh<background_color_threshold>－inv如果指定，顏色會反色－randinv如果指定，顏色會任意反色－maxidev<max_intensity_deviation>背景色最大的偏離度。－maxangel<max_x_rotation_angle>－maxangle<max_y_rotation_angle>，－maxzangle<max_x_rotation_angle>最大旋轉(zhuǎn)角度，以弧度為單位。－show如果指定，每個樣本會被顯示出來，按下"esc"會關(guān)閉這一開關(guān)，即不顯示樣本圖片，而創(chuàng)建過程繼續(xù)。這是個有用的debug選項。－w<sample_width>輸出樣本的寬度（以像素為單位）－h(huán)《sample_height》輸出樣本的高度，以像素為單位。到此第一步樣本訓(xùn)練就完成了。恭喜你，你已經(jīng)學(xué)會訓(xùn)練分類器的五成功力了，我自己學(xué)這個的時候花了我一天的時間，估計你幾分鐘就學(xué)會了吧。三、訓(xùn)練分類器樣本創(chuàng)建之后，接下來要訓(xùn)練分類器，這個過程是由haartraining程序來實現(xiàn)的。該程序源碼由OpenCV自帶，且可執(zhí)行程序在OpenCV安裝目錄的bin目錄下。Haartraining的命令行參數(shù)如下：－data<dir_name>存放訓(xùn)練好的分類器的路徑名。－vec<vec_file_name>正樣本文件名（由trainingssamples程序或者由其他的方法創(chuàng)建的）－bg<background_file_name>背景描述文件。－npos<number_of_positive_samples>，nneg<number_of_negative_samples>用來訓(xùn)練每一個分類器階段的正/負樣本。合理的值是：nPos=7000;nNeg=3000－nstages<number_of_stages>訓(xùn)練的階段數(shù)。－nsplits<number_of_splits>決定用于階段分類器的弱分類器。如果1,則一個簡單的stumpclassifier被使用。如果是2或者更多，則帶有number_of_splits個內(nèi)部節(jié)點的CART分類器被使用。－mem<memory_in_MB>預(yù)先計算的以MB為單位的可用內(nèi)存。內(nèi)存越大則訓(xùn)練的速度越快。－sym（default）－nonsym指定訓(xùn)練的目標(biāo)對象是否垂直對稱。垂直對稱提高目標(biāo)的訓(xùn)練速度。例如，正面部是垂直對稱的。－minhitrate《min_hit_rate》每個階段分類器需要的最小的命中率?？偟拿新蕿閙in_hit_rate的number_of_stages次方。－maxfalsealarm<max_false_alarm_rate>沒有階段分類器的最大錯誤報警率?？偟腻e誤警告率為max_false_alarm_rate的number_of_stages次方。－weighttrimming<weight_trimming>指定是否使用權(quán)修正和使用多大的權(quán)修正。一個基本的選擇是0.9－eqw－mode<basic(default)|core|all>選擇用來訓(xùn)練的haar特征集的種類。basic僅僅使用垂直特征。all使用垂直和45度角旋轉(zhuǎn)特征。－w《sample_width》－h(huán)《sample_height》訓(xùn)練樣本的尺寸，(以像素為單位)。必須和訓(xùn)練樣本創(chuàng)建的尺寸相同。一個訓(xùn)練分類器的例子："D:\ProgramFiles\OpenCV\bin\haartraining.exe"-datadata\cascade-vecdata\pos.vec-bgnegdata\negdata.dat-npos49-nneg49-mem200-modeALL-w20-h20這里正負樣本的個數(shù)一定要和你實際的樣本個數(shù)保持嚴格一致訓(xùn)練結(jié)束后，會在目錄data下生成一些子目錄，即為訓(xùn)練好的分類器。訓(xùn)練結(jié)果如下：恭喜你，你已經(jīng)學(xué)會訓(xùn)練分類器的九成功力了。出現(xiàn)的問題：在訓(xùn)練中后來訓(xùn)練到第九級就不動了，出現(xiàn)了死循環(huán)。最后在論壇上查了下，說是負樣本的問題。

負樣本必須要大于等于正樣本，剛開始的時候我選取的負樣本是20*20雖然和正樣本一樣大，但是出現(xiàn)了死循環(huán)，后來換了負樣本就好了。訓(xùn)練完成后Data文件夾下：其中cascade。Xml是訓(xùn)練好的文件，可以直接拿來用了。cascade里面就是訓(xùn)練好的分類器：地址onDf地址onDf:\face\da土殳\(!注弓亡注(1已K-0acascade2xml有的opencv不能自動生成xml文件這時候可以利用 來生成xml四：利用訓(xùn)練好的分類器進行目標(biāo)檢測。文件，使用方法見文件，使用方法見這一步需要用到performance.exe,該程序源碼由OpenCV自帶，且可執(zhí)行程序在OpenCV安裝目錄的bin目錄下。performance.exe-datadata/cascade-infoposdata/test.dat-w20-h20