???????在使用opencv自帶的分類器haarcascade_frontalface_alt.xml進(jìn)行人臉識(shí)別的基礎(chǔ)認(rèn)識(shí)后，決定自己訓(xùn)練一個(gè)分類器看一下效果。該過程大致可分為三個(gè)階段：樣本采集、分類器訓(xùn)練和運(yùn)用訓(xùn)練好的分類器進(jìn)行人臉檢測(cè)。

1、樣本的采集

????? ?在訓(xùn)練前，我們需要進(jìn)行正樣本及負(fù)樣本的采集。

????? ?正樣本采用的是ORL人臉數(shù)據(jù)庫中的部分圖像，本次共選用63張圖像，初始圖像大小為92*112，但在訓(xùn)練時(shí)出現(xiàn)了內(nèi)存不足的問題，因此將其尺寸歸一化為20*20。部分截圖如下：

???????負(fù)樣本采用的是weizmann團(tuán)隊(duì)http://www.wisdom.weizmann.ac.il/~vision/Seg_Evaluation_DB/dl.html 網(wǎng)站上的圖像分割數(shù)據(jù)庫里面的灰色圖像，總共200幅圖片，大小大約在300*200像素，截圖如下所示：

???????圖像采集完畢后，將其分別放在兩個(gè)文件夾pos_img（正樣本）和neg_img（負(fù)樣本）下。再新建一個(gè)xml文件夾，xml文件夾存放后面訓(xùn)練過程中產(chǎn)生的數(shù)據(jù)模型，最后opencv會(huì)將其轉(zhuǎn)換生成一個(gè)xml文件，也就是最終的分類器。

???????然后，從OpenCv安裝目錄中查找出如下兩個(gè)exe可執(zhí)行文件：

opencv_createsamples.exe：用于創(chuàng)建樣本描述文件，后綴名是.vec。專門為OpenCV訓(xùn)練準(zhǔn)備，只有正樣本需要，負(fù)樣本不需要。?

opencv_haartraining.exe：是OpenCV自帶的一個(gè)工具，封裝了haar特征提取以及adaboost分類器訓(xùn)練過程。?

???????一般來說，正負(fù)樣本數(shù)目比例為1：3時(shí)訓(xùn)練結(jié)果較好，但是不是絕對(duì)。由于每個(gè)樣本的差異性不同等因素，所以沒有絕對(duì)的比例關(guān)系。但是負(fù)樣本需要比正樣本多，因?yàn)樵瓌t上說負(fù)樣本的多樣性越大越好，我們才能有效降低誤檢率，而不僅僅是通過正樣本的訓(xùn)練讓其能識(shí)別物體。在本次訓(xùn)練中，我選擇了63個(gè)正樣本和200個(gè)負(fù)樣本，均為灰度圖像。

???????樣本準(zhǔn)備完畢后，打開Windows下的命令行窗口cmd，進(jìn)入指定目錄下。

在當(dāng)前pos_img目錄下生成一個(gè)pos.txt記錄所有圖片的名稱。?

打開該txt文件，將pos.txt去掉，并將pgm 改為pgm 1 0 0 20 20。

這里1表示當(dāng)前圖片重復(fù)出現(xiàn)的次數(shù)是1， 0 0 20 20表示目標(biāo)圖片大小是矩形框從（0，0）到（20，20）。?

同理，進(jìn)入neg_img目錄，生成neg.txt，然后打開文件去掉neg.txt，其余不做改動(dòng)。

結(jié)束后將pos.txt和neg.txt拷出，與opencv_createsamples.exe文件放在一個(gè)目錄下：

2、使用opencv_createsamples.exe建立訓(xùn)練需要的參數(shù)列表

???????Windows控制臺(tái)進(jìn)入指定目錄下，我們之前已經(jīng)在目錄下放了opencv_createsamples.exe文件，在控制臺(tái)下輸入opencv_createsamples.exe可以得到各參數(shù)信息：?

在命令行窗口輸入：

則在當(dāng)前目錄下，產(chǎn)生一個(gè)pos.vec文件。

指令介紹：

-vec pos.vec：指定生成的文件，最終生成的就是pos.vec；?
-info pos_img\pos.txt：目標(biāo)圖片描述文件，在pos\pos.txt；?
-bg neg_img\neg.txt：背景圖片描述文件，在neg\neg.txt；?
-w 20：輸出樣本的寬度，20；?
-h 20：輸出樣本的高度，20；?

-num 63：要產(chǎn)生的正樣本數(shù)量，63；

3、訓(xùn)練模型

???????Windows控制臺(tái)進(jìn)入指定目錄下，我們之前已經(jīng)在目錄下放了opencv_haartraining.exe文件，在控制臺(tái)下輸入opencv_haartraining.exe可以得到各參數(shù)信息：?

然后輸入指令進(jìn)行訓(xùn)練：

指令介紹：

-vec pos.vec：正樣本文件名；?
-bg neg_img\neg.txt：背景描述文件；?
-data xml：指定存放訓(xùn)練好的分類器的路徑名，也就是前面建立的xml文件夾；?
-w 20：樣本圖片寬度，20；?
-h 20：樣本圖片高度，20；?
-mem 1024：提供的以MB為單位的內(nèi)存，很明顯，這個(gè)值越大，提供的內(nèi)存越多，運(yùn)算也越快；?
-npos 45：取45個(gè)正樣本，小于總正樣本數(shù)；?
-neg 180：取180個(gè)負(fù)樣本，小于總負(fù)樣本數(shù)；?
-nstages 5：指定訓(xùn)練層數(shù)，層數(shù)越高耗時(shí)越長(zhǎng)；?

-nsplits 5：分裂子節(jié)點(diǎn)數(shù)目, 默認(rèn)值 為2；(本來設(shè)置為5 ，但訓(xùn)練時(shí)一直出差錯(cuò)，改為默認(rèn)值后可正常訓(xùn)練)。

在這里-npos ?-neg 兩個(gè)參數(shù)若直接與正負(fù)樣本總數(shù)相同，則在訓(xùn)練過程中會(huì)出現(xiàn)錯(cuò)誤：訓(xùn)練中途，程序突然終止，提示"OpenCV Error: Assertion failed (elements_read == 1) in icvGetHaarTraininDataFromVecCallback, file ..\..\..\..\opencv\apps\haartraining\cvhaartraining.cpp, line 1861"。-npos的意思是每次訓(xùn)練從.vec文件中隨機(jī)選取npos個(gè)正樣本。由于存在虛警，在每一次訓(xùn)練一個(gè)強(qiáng)分類器之后，會(huì)把那些分類錯(cuò)誤的從整個(gè)樣本庫中剔除掉，總的樣本就剩下 CountVec = CountVec - （1 - minhitrate）* npos，在第二個(gè)強(qiáng)分類器的訓(xùn)練過程中就是從剩下的Countvec抽樣，一直這樣進(jìn)行nstage次，所以就有CountVec >= (npos + (nstages - 1)*(1 -minhitrate) * npos ) + nneg 。當(dāng)把npos設(shè)置與vec中總樣本數(shù)相同時(shí)，第二個(gè)強(qiáng)分類器訓(xùn)練時(shí)，必然就會(huì)報(bào)錯(cuò)，提示樣本數(shù)不足。只要將取值改小即可。

接下來要做的就是等待訓(xùn)練結(jié)束：

訓(xùn)練過程參數(shù)解釋：

N：層數(shù) ?%
SMP：樣本的使用率?
F : +表示通過翻轉(zhuǎn)，否則是-
ST.THR : 分類器的閾值?
HR：當(dāng)前分類器 對(duì)正樣本識(shí)別正確的概率
FA：當(dāng)前分類器 對(duì)負(fù)樣本識(shí)別錯(cuò)誤的概率

EXP.ERR : 分類器的期望錯(cuò)誤率

訓(xùn)練結(jié)束后會(huì)在根目錄下生成xml.xml文件，在xml文件夾下生成最終的分類器：

4、測(cè)試

????? ?用自己訓(xùn)練的分類器替換opencv自帶的分類器進(jìn)行人臉識(shí)別：

因?yàn)橛?xùn)練的樣本過少，分類器的層數(shù)也不多，分類效果并不好，還有待提高。

總結(jié)

以上是生活随笔為你收集整理的opencv学习笔记——自己训练人脸识别分类器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。