前言

准备工作

前言

目前主流的较前卫的目标检测方案是基于深度学习，而传统的方案则是基于手工特征，即通过对图形进行滑动窗口遍历计算机特征值，并训练特征分类器以达到检测的目的。本文则是基于级联分类器的样本训练过程的记录。

准备工作

硬件

可以长时间训练特征文件的电脑，样本文件的高宽比较大的时候，训练可能会耗费几十个小时甚至几天时间。
软件

样本处理工具：推荐

XnConvert-win-x64.exe

，可以批量重命名、旋转、镜像、灰度、缩放等。曾用过imagetuner_8.0.exe、reaConverterLite-Setup.exe，必要的时候还可以结合使用everything.exe重命名。imagetuner_8.0.exe功能比较简单，reaConverterLite-Setup.exe这个软件界面好用但是批量处理经常崩溃，而且需要通过资源管理器关闭界面再次开始，好处是重命名的功能，可以修改替换原有文件名，这个软件有收费版，没有尝试。

训练过程

第一步：准备样本

正样本与负样本。考虑各种场景下的正样本照片，负样本照片即为背景照片，正负样本的数量比以1:3为宜，如果负样本的图幅度很大，可以考虑降低负样本的数量，因为是通过正样本在负样本上的滑动遍历。

这个部分最大量的工作就是样本查找，对于正样本就是对其轮廓按照矩形或者圆形抠图，对与负样本就是寻找大量的背景图片。当样本数量不够时，可以考虑扩充样本。

正样本抠图

注意，不要用截屏工具。

扩充样本

对称、旋转

第二步：生成样本描述文件

可以通过cmd命令行实现，当然最方便可以写个程序一次生成，这是我用c++编写的两个小程序，目前用着没发现bug，够用。

正样本描述文件生成c++伪码

#include <iostream>

#include <string>

#include <io.h>

#include <windows.h>

#include <gdiplus.h>

#pragma comment(lib, “gdiplus.lib”)

using namespace std;

using namespace Gdiplus;

int main()

{

//输入文件目录

char dir[256] = { 0 };

cout << “Enter a directory: “;

cin.getline(dir, 255);

//检查文件目录路径是否合法，添加”\\*.*”

char dirNew[261] = { 0 };

strcpy_s(dirNew, dir);

strcat_s(dirNew, “\\*.*”);

//遍历目录下的文件，并读取图片信息，写入描述文件

GdiplusStartupInput gdiplusstartupinput;

ULONG_PTR gdiplustoken;

GdiplusStartup(&gdiplustoken, &gdiplusstartupinput, NULL);

intptr_t handle;

_finddata_t findData;

handle = _findfirst(dirNew, &findData);

if (handle == -1) // 检查是否成功

{

cout << “no file” << endl;

system(“Pause”);

return 0;

}

//创建空白描述文件

char filePath[256] = { 0 };

strcpy_s(filePath, dir);

strcat_s(filePath, “\\posdata.dat”);

FILE *fp = NULL;

errno_t err = fopen_s(&fp, filePath, “w+”);

if (err != 0)

{

cout << “open err” << endl;

system(“Pause”);

return 0;

}

do

{

//如果当前文件有子文件夹

if (findData.attrib & _A_SUBDIR)

{

/*if (strcmp(findData.name, “.”) == 0 || strcmp(findData.name, “..”) == 0)

continue;*/

//cout << findData.name << “\t<dir>\n”;

在目录后面加上”\\”和搜索到的目录名进行下一次搜索

//strcpy_s(dirNew, dir);

//strcat_s(dirNew, “\\”);

//strcat_s(dirNew, findData.name);

//listFiles(dirNew);

}

else

{

cout << findData.name << “\t” << findData.size << ” bytes.\n”;

//判断如果文件类型不是图片，则跳过

string fileName(findData.name);

string fileType = fileName.substr(strlen(findData.name) – 4);

if (!(fileType == “.jpg” || fileType == “.jpeg” || fileType == “.jpe” || fileType == “.bmp”))

continue;

//添加文件夹名

//fputs(“cw45/”, fp);

fputs(findData.name, fp);

fputs(” 1 0 0 “, fp);

//路径字符转宽字符

char ImgPath[512] = { 0 };

sprintf_s(ImgPath, “%s%s%s”, dir, “\\”, findData.name);

int len = 0;

len = strlen(ImgPath);

int unicodeLen = ::MultiByteToWideChar(CP_ACP, 0, ImgPath, -1, NULL, 0);

wchar_t *pUnicode = new wchar_t[unicodeLen + 1];

memset(pUnicode, 0, (unicodeLen + 1) * sizeof(wchar_t));

::MultiByteToWideChar(CP_ACP, 0, ImgPath, -1, (LPWSTR)pUnicode, unicodeLen);

wstring infilename((wchar_t*)pUnicode);

Bitmap* bmp = new Bitmap(infilename.c_str());

UINT height = bmp->GetHeight();

UINT width = bmp->GetWidth();

cout << “width ” << width << “, height ” << height << endl;

fprintf(fp, “%d”, width);

fputs(” “, fp);

fprintf(fp, “%d”, height);

delete[] pUnicode;

delete bmp;

fputs(“\n”, fp);

}

} while (_findnext(handle, &findData) == 0);

// 关闭搜索句柄

_findclose(handle);

GdiplusShutdown(gdiplustoken);

fclose(fp);

system(“Pause”);

return 0;

}

负样本描述文件生成C++伪码

#include <iostream>

#include <string>

#include <io.h>

using namespace std;

int main()

{

//输入文件目录

char dir[256] = { 0 };

cout << “Enter a directory: “;

cin.getline(dir, 255);

//TODO:检查文件目录路径是否合法，是否添加”\\*.*”

char dirNew[261] = { 0 };

strcpy_s(dirNew, dir);

strcat_s(dirNew, “\\*.*”);

intptr_t handle;

_finddata_t findData;

handle = _findfirst(dirNew, &findData);

if (handle == -1) // 检查是否成功

{

cout << “no file” << endl;

system(“Pause”);

return 0;

}

//创建空白描述文件

char filePath[256] = { 0 };

strcpy_s(filePath, dir);

strcat_s(filePath, “\\negdata.dat”);

FILE *fp = NULL;

errno_t err = fopen_s(&fp, filePath, “w+”);

if (err != 0)

{

cout << “open err” << endl;

system(“Pause”);

return 0;

}

do

{

if (findData.attrib & _A_SUBDIR)

{

//if (strcmp(findData.name, “.”) == 0 || strcmp(findData.name, “..”) == 0)

// continue;

//cout << findData.name << “\t<dir>\n”;

在目录后面加上”\\”和搜索到的目录名进行下一次搜索

//strcpy_s(dirNew, dir);

//strcat_s(dirNew, “\\”);

//strcat_s(dirNew, findData.name);

//listFiles(dirNew);

}

else

{

//cout << findData.name << “\n”;

//判断如果文件类型不是图片，则跳过

string fileName(findData.name);

string fileType = fileName.substr(strlen(findData.name) – 4);

if (!(fileType == “.jpg” || fileType == “.jpeg” || fileType == “.jpe” || fileType == “.bmp”))

continue;

//路径字符转宽字符

char ImgPath[512] = { 0 };

sprintf_s(ImgPath, “%s%s%s”, dir, “\\”, findData.name);

cout << ImgPath << “\n”;

fputs(ImgPath, fp);

fputs(“\n”, fp);

}

} while (_findnext(handle, &findData) == 0);

_findclose(handle); // 关闭搜索句柄

fclose(fp);

system(“Pause”);

return 0;

}

第三步：生成样本文件vec

第四步：训练分类器

打开windows命令处理程序，红色字符输入，黑色为输出

Microsoft Windows [版本 6.1.7601]

版权所有 (c) 2009 Microsoft Corporation。保留所有权利。

C:\Users\admin>

cd /d G:\

G:\>

cd JLCZ\OpenCV\opencv-3.4.2-vc14_vc15\opencv\build\x64\vc14\bin\

G:\JLCZ\OpenCV\opencv-3.4.2-vc14_vc15\opencv\build\x64\vc14\bin>

opencv_createsamples.exe -info G:\JLCZ\MachineVision\03_CreateSamples\v0.2\posdata\posdata.dat -vec G:\JLCZ\MachineVision\03_CreateSamples\v0.2\airplane_wheel_0_2.vec -num 5206 -w 150 -h 150

Info file name: G:\JLCZ\MachineVision\03_CreateSamples\v0.2\posdata\posdata.dat

Img file name: (NULL)

Vec file name: G:\JLCZ\MachineVision\03_CreateSamples\v0.2\airplane_wheel_0_2.vec

BG file name: (NULL)

Num: 5206

BG color: 0

BG threshold: 80

Invert: FALSE

Max intensity deviation: 40

Max x angle: 1.1

Max y angle: 1.1

Max z angle: 0.5

Show samples: FALSE

Width: 150

Height: 150

Max Scale: -1

RNG Seed: 12345

Create training samples from images collection…

Done. Created 5206 samples

G:\JLCZ\OpenCV\opencv-3.4.2-vc14_vc15\opencv\build\x64\vc14\bin>

opencv_traincascade.exe -data G:\JLCZ\MachineVision\04_CreateClassifier\v0.2 -vec G:\JLCZ\MachineVision\03_CreateSamples\v0.2\airplane_wheel_0_2.vec -bg G:\JLCZ\MachineVision\03_CreateSamples\v0.2\negdata\negdata.dat -numPos 4900 -numNeg 4284 -numStages 15 -featureType LBP -w 150 -h 150 -minHitRate 0.995 -maxFalseAlarmRate 0.5

过程中遇到的问题

1.vs动态链接库指针报错，提示为空

原因：参数错误，参数与值之间没有空格，添加空格就好了。

2.cmd训练出现“Train dataset for temp stage can not be filled. Branch training terminated …”

解决：负样本图片路径错误，在描述文件中*.dat中修改就好了。

3.在createsamples执行之后需要注意cmd返回的命令，生成了多少样本，以该样本数量为准。假设你有5206和样本，但是createsamples只创建了1000个，意味着vec文件中只存储了1000个，这是有问题的，参数应该与返回值相同。检查参数发现正样本数量的参数应该是“-num”，而输入为“

_num

”则出现了这种情况。解决办法为重新确认参数，生成vec。

4.opencv_traincascade.exe执行的参数，输入的正样本数量numPos需要小于实际得到的正样本数量，numPos+（numStages-1）*numPos*（1-minHitRate）《=准备的训练样本

6.在控制台使用system（“pause”）不显示图像

为什么opencv里面这个用system（“pause”）就不能载入图像？

总结

（这本是去年未完成的部分，可惜一直拖到现在，以至于想不起来具体总结的内容，下次使用这个训练器之后再来总结吧）

引用

1.

OpenCV中Adaboost训练的经验总结

2.

物体检测正负样本的选择注意事项

3.

OpenCV样本训练经验

4.

正式使用opencv里的训练和检测 – opencv_createsamples、opencv_traincascade-2.4.11版本

5.

opencv训练自己的xml分类器以及如何获取opencv_createsamples.exe和opencv_traincascade.exe

原文链接：https://blog.csdn.net/weixin_42364825/article/details/116722035

前言

准备工作

硬件

软件

训练过程

第一步：准备样本

正样本抠图

扩充样本

第二步：生成样本描述文件

第三步：生成样本文件vec

第四步：训练分类器

过程中遇到的问题

总结

引用

你可能也喜欢