|
－w<sample_width>
输出样本的宽度（以像素为单位） －h《sample_height》 输出样本的高度，以像素为单位。 注：正样本也可以从一个预先标记好的图像集合中获取。这个集合由一个文本文件来描述，类似于背景描述文件。每一个文本行对应一个图片。每行的第一个元素是图片文件名，第二个元素是对象实体的个数。后面紧跟着的是与之匹配的矩形框（x, y, 宽度，高度）。 下面是一个创建样本的例子： 假定我们要进行人脸的检测，有5个正样本图片文件img1.bmp,…img5.bmp；有2个背景图片文件：bg1.bmp,bg2.bmp，文件目录结构如下： positive img1.bmp …… Img5.bmp negative bg1.bmp bg2.bmp info.dat bg.txt 正样本描述文件info.dat的内容如下： Positive/imag1.bmp 1 0 0 24 28 …… Positive/imag5.bmp 1 0 0 24 28 图片img1.bmp包含了单个目标对象实体，矩形为（0,0,24,28）。 注意：要从图片集中创建正样本，要用－info参数而不是用－img参数。 －info <collect_file_name> 标记特征的图片集合的描述文件。 背景（负样本）描述文件的内容如下： nagative/bg1.bmp nagative/bg2.bmp 我们用一个批处理文件run.bat来进行正样本的创建：该文件的内容如下： cd e:\face\bin CreateSamples -vec e:\face\a.vec -info e:\face\info.dat -bg e:\face\bg.txt -num 5 -show -w 24 -h 28 其中e:\face\bin目录包含了createsamples可执行程序，生成的正样本文件a.vec在e:\face目录下。 三、训练分类器 样本创建之后，接下来要训练分类器，这个过程是由haartraining程序来实现的。该程序源码由OpenCV自带，且可执行程序在OpenCV安装目录的bin目录下。 Haartraining的命令行参数如下： －data<dir_name> 存放训练好的分类器的路径名。 －vec<vec_file_name> 正样本文件名（由trainingssamples程序或者由其他的方法创建的） －bg<background_file_name> 背景描述文件。 －npos<number_of_positive_samples>， －nneg<number_of_negative_samples> 用来训练每一个分类器阶段的正/负样本。合理的值是：nPos = 7000;nNeg = 3000 －nstages<number_of_stages> 训练的阶段数。 －nsplits<number_of_splits> 决定用于阶段分类器的弱分类器。如果1，则一个简单的stump classifier被使用。如果是2或者更多，则带有number_of_splits个内部节点的CART分类器被使用。 －mem<memory_in_MB> 预先计算的以MB为单位的可用内存。内存越大则训练的速度越快。 －sym（default） －nonsym 指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对称的。 －minhitrate《min_hit_rate》 每个阶段分类器需要的最小的命中率。总的命中率为min_hit_rate的number_of_stages次方。 －maxfalsealarm<max_false_alarm_rate> 没有阶段分类器的最大错误报警率。总的错误警告率为max_false_alarm_rate的number_of_stages次方。 －weighttrimming<weight_trimming> 指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9 －eqw －mode<basic(default)|core|all> 选择用来训练的haar特征集的种类。basic仅仅使用垂直特征。all使用垂直和45度角旋转特征。 －w《sample_width》 －h《sample_height》 训练样本的尺寸，（以像素为单位）。必须和训练样本创建的尺寸相同。 一个训练分类器的例子： 同上例，分类器训练的过程用一个批处理文件run2.bat来完成： cd e:\face\bin haartraining -data e:\face\data -vec e:\face\a.vec -bg e:\face\bg.txt -npos 5 -nneg 2 -w 24 -h 28 训练结束后，会在目录data下生成一些子目录，即为训练好的分类器。 注： OpenCv的某些版本可以将这些目录中的分类器直接转换成xml文件。但在实际的操作中，haartraining程序却好像永远不会停止，而且没有生 成xml文件，后来在OpenCV的yahoo论坛上找到一个haarconv的程序，才将分类器转换为xml文件，其中的原因尚待研究。 |
相关文章：