用opencv自带程序训练xml检测模型

谁践踏了优雅 2021-12-03 06:43 751阅读 0赞

第一步：在win7的命令框输入cmd，进入dos命令窗口

![473320-20190614112613612-1126020901.png][]

第二步：新建一个文件夹trainXML用于存放所需的样本和程序；在trainXML文件夹下创建文件夹pos用于存放正样本的人脸图片、文件夹neg用于存放负样本的图片、xml用于存放训练的模型；将opencv中的opencv\_createsamples.exe、opencv\_traincascade.exe和opencv\_world341.dll放入trainXML文件夹下备用。

![473320-20190614113057657-1075439744.png][]

第三步：正样本的尺寸不能设置太大，否则容易内存泄漏，一般为20\*20、30\*30、50\*50大小；将调整好大小的人脸样本放入pos文件夹中。

![473320-20190614113344366-1826131145.png][]

第四步：负样本的尺寸必须要大于正样本的6倍及以上；因为首先我们要知道训练程序中写的numNeg参数表示每级训练用到的负样本数，本人把它设置为1500。**其实这个numNeg的大小和原始负样本数量没有任何关联**， 因为numNeg是通过滑动窗口在原始负样本上不断滑动采集，得到的预处理负样本图像的数量（滑动窗口的大小就是正样本的大小，这里是50\*50）；

负样本的尺寸如果不够大，或者和正样本一样大，滑动窗口就无法在原始负样本上滑动来采集足够多的训练图像，再加上如果收集到的原始负样本的数量可能并不比正样本多多少，也许就是3、4倍。这样的话就会导致（ 执行opencv\_traincascade训练程序过程中中断 ）的错误，同时会报（Train dataset for temp stage can not be filled. Branch training terminated。）这时我们发现训练图中的FA( FalseAlarm,虚警率 )为0，表示负样本已全部被正确分类了，也就不会有负样本继续参与下一轮的训练了，所以就退出了。所以在准备原始负样本的时候一定要保证尺寸足够大，同时包含的内容足够复杂。

第五步：生成正样本的路径文件pos.txt。  
在DOS窗口中输入命令cd G:\\img\\trainXML\\pos 和G:进入pos文件夹，再输入命令dir /b >pos.txt生成路径文件；

用Notepad打开路径文件并删除最后一行的 ![473320-20190614133414318-1257773507.png][] ，再用Notepad的模块编辑将路径文件批量修改为如下格式：

![473320-20190614133717575-831100472.png][]

注：1 ：该样本数目为1；0 0 ：表示样本起始坐标；50 50 ： 表示样本宽高

第六步：生成负样本的路径文件neg.txt。

在Dos窗口中输入命令cd G:\\img\\trainXML\\neg 和G:进入neg文件夹，再输入命令dir /b >neg.txt生成路径文件；

同样的，用Notepad打开文件并删除最后一行的![473320-20190614153711344-1173902707.png][] ，再用Notepad的模块编辑将路径文件批量修改为如下格式：

![473320-20190614153850315-2119729807.png][]

将pos.txt和neg.txt都复制到文件夹trainXML下

第七步：获取供训练的vec文件

新建文本文件并将以下指令输入：

opencv\_createsamples.exe \-vec pos.vec \-info pos.txt \-num 188 \-bg neg.txt \-w 50 \-h 50 pause

然后将文件保存为vec.bat，然后双击该文件生成pos.vec文件；

注：

\-vec : 输出生成的文件路径

\-info : 正样本的路径txt文件

\-num : 正样本的数量

\-w -h : 样本宽高

第八步：训练

将以下指令输入，编写train.bat文件；

opencv\_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 188 -numNeg 600 -numStages 20 -w 50 -h 50 -minHitRate 0.9999 -precalcValBufSize 1024 -maxFalseAlarmRate 0.5 -mode ALL

注：

\-data : 存放xml文件的目录

\-vec : 正样本vec文件源

\-bg : 负样本路径txt文件

\-numPos : 正样本数量

\-numNeg : 负样本数量

numStages：训练分类器的级数

\-w -h : 样本宽高

\-minHitRate ：分类器的每一级希望得到最小检测率(即正样本被判断有效的比例)

\-maxFalseAlarmRate：分类器的每一级希望的最大误检率（负样本判定为正样本的概率）

\-mode： 选择训练中使用的Haar特征类型。BASIC只使用右上特征，ALL使用所有右上特征及45度旋转特征

双击train.bat开始训练。

参考文献：https://www.jianshu.com/p/0afa9712c6d5

https://www.jianshu.com/p/e35260f7cbf0?utm\_campaign=maleskine&utm\_content=note&utm\_medium=seo\_notes&utm\_source=recommendation

https://blog.csdn.net/fuck487/article/details/81567428

转载于:https://www.cnblogs.com/hywBlog/p/11023699.html

[473320-20190614112613612-1126020901.png]: /images/20211203/d8386de013cb474eab5de89bf8fdc6db.png
[473320-20190614113057657-1075439744.png]: /images/20211203/8bfbcc83b7c341768faec7187b99941a.png
[473320-20190614113344366-1826131145.png]: /images/20211203/aea537854dc64436be7f6e5bc7b35f36.png
[473320-20190614133414318-1257773507.png]: /images/20211203/cccc32743ed04ac581611a703cfdbe50.png
[473320-20190614133717575-831100472.png]: /images/20211203/4651e45abd424acfbf478582b7341e80.png
[473320-20190614153711344-1173902707.png]: /images/20211203/6b89864f82664e52a7bcca23510790c9.png
[473320-20190614153850315-2119729807.png]: /images/20211203/ee4a6c31e48644f9b0438b55a16696d6.png