584      阿裏雲  技術社區[雲棲]

opencv haar+adaboost使用心得

最近在使用opencv裏的haar+adaboost做檢測，其實早在一年前的無錫已經看過用它做車徽檢測，然後再做識別(大眾，奔馳...)。這次終於要自己動手做了，網上有很多這方麵的資料，感謝大家分享他們的經驗。重複的東西這裏就不再贅述了，隻簡單的補充幾個大家容易疏忽的東西。

step1.首先是準備正負樣本，正樣本好說，打了標簽，解析xml文件，然後做點小旋轉就可以用了

       負樣本就複雜了，第一點要求是不能包含正樣本，在我的應用場景中還需要盡可能多的提供場景的背景圖,而不是網上所說的從網絡上找一些不相幹的圖像，這些圖像加進來促進作用也不大，因為我的場景中根本不會出現它們，但也不會出現負作用。第二是負樣本數目盡可能的多，但這個還是量力而行吧，畢竟純體力活，沒多大的樂趣在裏麵。補充一句，樣本的目錄結構很簡單，隻要包含pos和neg兩個子文件夾和opencv_haartraining.exe,

opencv_createsamples.exe,convert_cascade.exe等幾個可執行程序,比如face-->face\train  face\test

step2.生成正負樣本描述文件，描述文件保存在face目錄下與train test平級，命令如下：

打開cmd  分別cd 到正負樣本目錄

                        cd negdir  
                         dir /b > negative.data
                         cd posdir
                         dir /b > positive.data

生成的描述文件當然還要替換才能夠最終使用 對於positive.data隻要在最後把jpg ->jpg 1 0 0 20 20，這裏注意最好是在word下麵替換好，再拷到txt下，速度快些，1 0 0 20 20的意思是這幅圖片包含一個正樣本目標，矩形區域為 0 0 20 20這裏由於我們的正樣本隻有一個目標，而且已經大小歸一化為20x20的圖像，所以這裏參數這麼定義，而且opencv的坐標是從0開始的，我開始想過是不是要寫成 0 0 19 19，本來看過網上一篇文章錯寫成1 1 20 20也沒出錯。正負樣本的.data文件都要做的一件事是：打開.data文件，替換掉不是圖片的行，比如positive.data negative.data.對於正樣本，由於大小一致，為了避免過多的IO操作，可以生成vec文件，cd 到face目錄 直接cd ..即可 然後輸入命令：

opencv_createsamples.exe -info "pos/positive.data" -vec pos.vec -num 7097 -w 20 -h 20

其中-num指定你的正樣本數目 -w 圖像寬度，-h圖像高度    生成描述文件

step3：經過上一步，準備工作已經做好，可以開始運行訓練了，輸入命令：

opencv_haartraining.exe -data haarcascade7097 -vec pos7097.vec -bg neg/negative.data -nstages 20 -nsplits 2 -minhitrate 0.999 -maxfalsealarm 0.5 -npos 7097 -nneg 7097 -w 20 -h 20  -mem 1024 -mode ALL

解釋下各個參數的含義  -data 指定生成的文件目錄， -vec vec文件名， -bg 負樣本描述文件路徑， -nstage 20 指定訓練層數，推薦15~20，層數越高，耗時越長。-nsplits 分裂子節點數目,選取默認值 2 -minhitrate 最小命中率，即訓練目標準確度。-maxfalsealarm最大虛警(誤檢率)，每一層訓練到這個值小於0.5時訓練結束，進入下一層訓練，-npos 正樣本數目，-nneg  負樣本數目 這個值可以設置大於真正的負樣本圖像數目，程序可以自動從負樣本圖像中切割出和正樣本大小一致的 -nneg張圖 這個參數一半設置為正樣本數目的1~3倍， -w -h意思很明確， -mem 程序可使用的內存，這個設置為256即可，實際運行時根本就不怎麼耗內存。 -mode ALL指定haar特征的類型數目

step3:然後就是等待了 ，我用上麵的代碼，負樣本數目為2830，訓練了一周，當然如果實在等不住了，中間結果也可以生成xml文件，命令如下：

/*轉換為xml*/
convert_cascade.exe --size="20x20" ..\cascade ..\cascade.xml

ps:還有一個小建議：大家最好自己編譯opencv，這樣就可以vs--->project-->properties-->c++-->language-->OpenMp support 開啟openmp選項，編譯出來的exe就是多核並行的，提升速度很重要，我上麵說的一周就是openmp加速在8核，3.2Ghz的服務器上跑的。

用別人的總有一天要還，想要最快，不會出錯，最好自己寫 haar+ adaboost ，這樣選取負樣本(最耗時的部分)的程序也可以並行加速了。waiting for me

最後添加幾幅運行時圖片：

這個是我跑到19層的結果，其中BACKGROUNG PROCESSING TIME 是負樣本切割時間 很長很長

N 為訓練層數 %SMP 樣本占總樣本個數 ST.THR 閾值，HR 擊中率， FA  虛警 EXP.ERR 經驗錯誤率

這個是指定的haarcasade7079 文件中生成的每一層文件的文件夾

文件和文件中的內容，然後使用

convert_cascade.exe --size="20x20" ..\cascade ..\cascade.xml就可以生成xml文件

祝大家玩的開心 有問題可以發信到gjtjx@163.com,隻回複本文所包含的問題，

其他問題可以參看Opencv自帶的doc 中haar訓練的問題FAQ，還是參看英文原版的東西

節約時間.

最後更新：2017-04-03 05:40:06

  上一篇： win9x_win2k下對物理磁盤的操作

  下一篇： 皮膚檢測算法三種，示例與代碼