级联分类器训练全过程记录

╰+攻爆jí腚メ 2022-09-18 09:55 140阅读 0赞

**摘要：**本实验记录主要介绍如何训练分类器，这其中包括准备训练数据和运行训练程序。

**注意事项：**  
　　OpenCV里面有两个现成的程序可以用来训练级联分类器，分别是opencv\_haartraining和opencv\_traincascade。opencv\_traincascade是一个新程序，根据OpenCV2.x API用C++编写。  
　　这二者主要的区别是opencv\_traincascade支持Haar和 LBP两种特征，并易于增加其他的特征。与Haar特征相比，LBP特征是整数特征，因此训练和检测过程都会比Haar特征快几倍。LBP和Haar特征用于检测的准确率，是依赖训练过程中的训练数据的质量和训练参数。训练一个与基于Haar特征同样准确度的LBP的分类器是可能的。  
　　opencv\_traincascade和opencv\_haartraining所输出的分类器文件格式并不相同。注意，新的级联检测接口（参考objdetect 模块中的 CascadeClassifier 类）支持这两种格式。opencv\_traincascade可以用旧格式导出训练好的级联分类器。但是在训练过程被中断后再重启训练过程，opencv\_traincascade和opencv\_haartraining不能装载与中断前不同的文件格式。  
opencv\_traincascade 程序使用TBB来处理多线程。  
　　如果希望使用多核并行运算加速，请使用TBB来编译OpenCV。  
  
**辅助程序：**  
　　opencv\_createsamples用来准备训练用的正样本数据和测试数据。opencv\_createsamples 能够生成能被opencv\_haartraining和opencv\_traincascade程序支持的正样本数据。它的输出为以 \*.vec为扩展名的文件，该文件以二进制方式存储图像。

opencv\_performance可以用来评估分类器的质量，但只能评估opencv\_haartraining输出的分类器。它读入一组标注好的图像，运行分类器并报告性能，如检测到物体的数目，漏检的数目，误检的数目，以及其他信息。由于opencv\_haartraining是一个将被弃用的程序，下面将不再介绍,主要介绍opencv\_traincascade。opencv\_createsamples 程序用来为opencv\_traincascade 准备训练样本，因此也会介绍它。

![SouthEast][]

![SouthEast 1][]

[SouthEast]: /images/20220828/b44d5fa74c864b829993f2135e3d18c1.png
[SouthEast 1]: /images/20220828/e8e1c853669b4103b22699bb33d20408.png