opencv::opencv_traincascade.exe

 

opencv_traincascade 是一个新程序，使用OpenCV 2.x API 以C++ 编写。
这二者主要的区别是 opencv_traincascade 支持 Haar 和 LBP 两种特征，现在已经发展到可以支持hog特征，并易于增加其他的特征。
与Haar特征相比，LBP特征是整数特征，因此训练和检测过程都会比Haar特征快几倍。

LBP和Haar特征用于检测的准确率，是依赖训练过程中的训练数据的质量和训练参数。
训练一个与基于Haar特征同样准确度的LBP的分类器是可能的。

 

Usage: opencv_traincascade.exe
  -data <cascade_dir_name>    //目标xml文件
  -vec <vec_file_name>        //vec文件
  -bg <background_file_name> //负样本路径
  [-numPos <number_of_positive_samples = 2000>] //正样本数：一定要填小于正样本的数量
  [-numNeg <number_of_negative_samples = 1000>]    //负样本数量 
  [-numStages <number_of_stages = 20>]
  [-precalcValBufSize <precalculated_vals_buffer_size_in_Mb = 1024>]
  [-precalcIdxBufSize <precalculated_idxs_buffer_size_in_Mb = 1024>]
  [-baseFormatSave]
  [-numThreads <max_number_of_threads = 9>]
  [-acceptanceRatioBreakValue <value> = -1>]
--cascadeParams--
  [-stageType <BOOST(default)>]
  [-featureType <{HAAR(default), LBP, HOG}>]
  [-w <sampleWidth = 24>]
  [-h <sampleHeight = 24>]
--boostParams--
  [-bt <{DAB, RAB, LB, GAB(default)}>]
  [-minHitRate <min_hit_rate> = 0.995>] //最小误分类率
  [-maxFalseAlarmRate <max_false_alarm_rate = 0.5>] //最大特征数
  [-weightTrimRate <weight_trim_rate = 0.95>]
  [-maxDepth <max_depth_of_weak_tree = 1>]
  [-maxWeakCount <max_weak_tree_count = 100>]
--haarFeatureParams--
  [-mode <BASIC(default) | CORE | ALL    //BASIC  CORE  ALL
--lbpFeatureParams--
--HOGFeatureParams--

 

opencv_traincascade.exe 
　　-data D:\开发工具安装包\openCV\5-opencv级联分类\test 
　　-vec D:\开发工具安装包\openCV\5-opencv级联分类\test\positive\my.vec 
　　-bg bg.txt 
　　-numPos 170 
　　-numNeg 500 
　　-numStages 12 
　　-featureType LBP
 　 -w  24 
　　-h  24 
　　-minHitRate 0.996 
　　-maxFalseAlarmRate 0.5