OpenCV游记（3）

• 前言

  emmm，之前写了一篇使用OpenCV处理图像数据的文章，前段时间也用OpenCV haar训练过一个识别门把手的分类器，写一篇博客来记录一下操作过程和其中一些参数的理解。

食用环境

• python3.7
• OpenCV 3.4.6（注意：好像更高版本的OpenCV发行版中取消了haar分类器的可执行文件。）
• Windows10 1903 LTSC
• 文件目录
  • 根目录下还包括OpenCV的分类器训练程序：opencv_traincascade.exe等。
  • classifier，temp都是用来存放训练好的xml分类器。
  • images文件夹好像没有用处。
  • negative，positive文件夹分别放处理好的负，正样本文件，我使用的正样本是32x32的灰度图，负样本是48x64的背景图。

食用步骤

1. 运行negTxtGen.py和posTxtGen.py，分别生成正负样本的文件路径，输出到txt中。
2. 终端cd到工作根目录下，执行

   	./opencv_creatsamples.exe -info positives.txt -vec pos.vec -num 你的正样本数量 -w 你的正样本宽度 -h 你的正样本高度
   

   得到pos.vec即正样本的向量。

3. 同样在工作目录下，终端执行

   	./opencv_traincascade.exe -data 输出训练结果的文件夹 -vec pos.vec -bg 你的负样本路径文件，如negatives.txt -numPos 正样本数量 -numNeg 负样本数量（可大于你的样本数） -numStages 训练层数 -w 同上 -h 同上 - maxFlaseAlarmRate 一般取0.9-0.995
   

   得到训练的xml文件，即可在test.py中使用。

参数分析&一些问题

• 除了以上的参数之外，还有一些可选参数：
  • precalcValBufSize：缓存大小，用于存储预先计算的特征值，单位MB
  • precalcIdxBufSize：缓存大小，用于存储预先计算的特征索引，单位MB
  • baseFormatSave：仅在使用Haar特征时有效，如果指定，级联分类器将以老格式存储
• 参数设置不当会遇到一些问题
  • 训练时候卡住不动：minHitRate和maxfalsearmrate可能设置过高，或者你的负样本数量太少，或者负样本中已经没有特征点可以达到这样的参数要求，都会导致这个问题。
  • 这里给出一个参数的设置参考公式，但是实际情况也还是需要自己尝试和调整：numPos+（numStages-1) x numPos x（1-minHitRate）<=正样本
  • 报错：Train dataset for temp stage can not be filled. Branch training terminated.同样是参数问题，根据上述方法调整参数，或者调整样本即可。