Opencv 人臉識別之分類器,樣本訓練

================================訓練分類器==============================

樣本準備

1: 正負樣本

如:window下

a. 在正樣本目錄下 dir /b > pos.txt? ,將生成的 摘要文件pos.txt 進行后綴替換,加上 1 0 0 19 19,

注意后面的去掉名字表示圖片在 (0,0)到(19, 19 )的矩形區域里

b. 對負樣本目錄下 dir /b >neg.txt? 備注負樣本目錄文件只需要去掉文件名字就好,不需要替換,后面的數字

2: 下載windows 的安裝包,并安裝,同時記錄安裝目錄,假如是: openCV_path

https://sourceforge.net/projects/opencvlibrary/files/opencv-win/3.3.0/opencv-3.3.0-vc14.exe/download

opencv-3.3.0-vc14.exe

3: 找到openCV_path 目錄下面的

創建opencv可以識別的數據

E:\NDK\Opencv\opencv\build\x64\vc14\bin\opencv_createsamples.exe

訓練

E:\NDK\Opencv\opencv\build\x64\vc14\bin\opencv_traincascade.exe

:E:\NDK\Opencv\opencv\build\x64\vc14\bin

中的兩個文件:

opencv_createsamples.exe

opencv_traincascade.exe

4:

4.1 就是加工樣本數據,使用opencv_createsamples

備注配置環境變量

使用命令行:

opencv_createsamples -vec pos.vec -info face\pos.txt -bg non-face\neg.txt -w 19 -h 19 -num 472

-vec pos.vec? 用pos.vec 保存執行結果

-info face\pos.txt 用于指向正樣本的路徑

-bg neg.txt 負樣本的路徑(這么寫經常報錯,再目錄文件直接寫對應的文件目錄就好)

-w 19 -h 19? ? 這個是正樣本中圖片中頭像的寬高

-num 472? ? ? 正樣本的數量

執行這個命令生成 pos.vec

4.2 運用? opencv_traincascade 訓練樣本,得到分類器

執行命令前,我們要在當前目錄創建一個data 文件夾

執行命令:opencv_traincascade -data data -vec pos.vec -bg face\neg.txt -numPos 468 -numNeg 23573 -numStages 9 -w 19 -h 19 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -mode ALL

-data data 文件夾: 用于保存訓練結果和中間產物

-vec pos.vec : 4.1 的結果

-bg face\neg.txt:? 負樣本的路徑

-numPos 468 正樣本的數量 數量不能高于正樣本數,注意事項,數據要注意 數量不能隨便取 網上查找

vec文件中的正樣本數目<= numpos+(numStages - 1)(1 - minHitRate) numpos+ s

-numNeg 23573? 負樣本的數量

-numStages 9? ? 這個數字是,我們訓練的層級

-w 19 -h 19

-minHitRate 0.999 -maxFalseAlarmRate 0.5 -mode ALL

備注:

可能報錯:

Train dataset for temp stage can not be filled. Branch training terminated.

Cascade classifier can't be trained. Check the used training parameters.

把命令改為 將neg.txt copy 到喝pos.vec 統一級別,將里面的文件都加上文件頭

比如non-face/cmu_9972.pgm 這樣他就能找到文件了

opencv_traincascade -data data -vec pos.vec -bg neg.txt -numPos 468 -numNeg 23573 -numStages 9 -w 19 -h 19 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -mode ALL

說明路徑問題

?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,501評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,673評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,610評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,939評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,668評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,004評論 1 329
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,001評論 3 449
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,173評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,705評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,426評論 3 359
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,656評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,139評論 5 364
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,833評論 3 350
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,247評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,580評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,371評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,621評論 2 380

推薦閱讀更多精彩內容