原文：https://www.bilibili.com/read/cv10624306/
OpenCV训练自己的分类器
注：本文写的是一个训练人脸分类器的例子，亲自试验过，采用的是openCV3.4
1.准备训练样本
看网上说正负样本比例为1：3最佳；尺寸为20x20最佳
附上人脸训练的数据集的下载链接：https://pan.baidu.com/s/1AxoIMFycfpeIMtDYHz4RBw
提取码：rap7
1.1 正样本
训练样本的尺寸为20*20(opencv推荐的最佳尺寸)，且所有样本的尺寸必须一致。如果不一致的或者尺 寸较大的，可以先将所有样本统一缩放到20x20。以下是提供的正样本：
1.2 负样本
负样本中不存在正样本的内容，根据不同的项目选择不同的负样本，根据自己的情况而定。这里选取的负样本尺寸是50x50。以下是负样本：
2.构建工作目录
新建一个文件夹（名为face），在此文件夹下新建posdata，negdata，xml三个文件夹。
posdata目录：放正样本的目录
negdata目录：放负样本的目录
xml目录：生成的分类器的存放
2.1 有关文件及数据的拷贝
将下列的文件目录拷贝到face文件夹中，如图：
接着将人脸的正负样本分别拷贝到posdata和negdata文件夹中。
2.2 生成样本描述文件
1.在negdata文件夹中建立一个neg.txt文件，在此txt文件中输入：dir /b/s/p/w *.jpg > neg.txt
然后保存，将neg.txt更改为neg.bat，接着双击neg.bat，就会生成neg.txt，以下为里面的内容：
2.在posdata文件夹中建立一个pos.txt文件，在此txt文件中输入：dir /b/s/p/w *.jpg > pos.txt
然后保存，将pos.txt更改为pos.bat，接着双击pos.bat，就会生成pos.txt，以下为里面的内容：
接着将jpg 替换为jpg 1 0 0 20 20(数字分别代表为：数量，起点坐标：0,0 大小：20x20)，点击编辑，
内容变成以下这样即可
3.训练样本
3.1生成.vec文件
将pos.txt和neg.txt拷贝到face文件夹下，然后在face文件夹打开终端（shift+右键），在终端依次输入：
opencv_createsamples.exe -vec pos.vec -info pos.txt -num 18500 -w 20 -h 20
opencv_createsamples.exe -vec neg.vec -info neg.txt -num 10925 -w 50 -h 50
即可生成.vec文件。
说明：
-info，指样本说明文件
-vec，样本描述文件的名字及路径
-num，总共几个样本，要注意，这里的样本数是指标定后的20x20的样本数，而不是大图的数目，其实就是样本说明文件第2列的所有数字累加
-w -h指明想让样本缩放到什么尺寸。这里的奥妙在于你不必另外去处理第1步中被矩形框出的图片的尺寸，因为这个参数帮你统一缩放！(我们这里准备的样本都是20*20)
3.2训练样本
新建txt文件，把
opencv_traincascade.exe -data xml -vec pos.vec -bg neg.txt -numPos 500 -numNeg 656 -numStages 20 -w 20 -h 20 -mode ALL
pause
复制进去保存，并将文件名修改为traincascade.bat，最后双击该文件即可，剩下的就是等待了，在xml会生成cascade.xml，这个就是我们训练得到的分类器
xml目录下的cascade.xml就是我们需要的分类器，将其拷进需要运用的工程目录下即可。
4.使用VS2015编写测试程序
注意：分类器需放在工程文件下！！
测试代码如下：
#include “stdafx.h”
#include
#include <openCV2/opencv.hpp>
#include <openCV2/core/core.hpp>
#include <openCV2/highgui/highgui.hpp>
using namespace cv;
int main()
{
//加载Haar或LBP对象或人脸检测器
CascadeClassifier faceDetector;
std::string faceCascadeFilename = “cascade.xml”;
//友好错误信息提示
try {
faceDetector.load(faceCascadeFilename);
}
catch (cv::Exception e) {}
if (faceDetector.empty())
{
std::cerr << "人脸检测器不能加载 (";
std::cerr << faceCascadeFilename << ")!" << std::endl;
exit(1);
}
//打开摄像头
VideoCapture camera(0);
Mat camerFrame, gray;
while (1)
{
camera >> camerFrame;
cvtColor(camerFrame, gray, COLOR_BGR2GRAY);
//直方图均匀化(改善图像的对比度和亮度)
Mat equalizedImg;
equalizeHist(gray, equalizedImg);
//人脸检测
std::vector<Rect> faces;
faceDetector.detectMultiScale(equalizedImg, faces, 1.1f, 15, CASCADE_FIND_BIGGEST_OBJECT, Size(30,30));
//画矩形框
for (size_t i = 0; i < faces.size(); i++)
{
if (faces[i].height > 0 && faces[i].width > 0)
{
cv::rectangle(camerFrame, faces[i], cv::Scalar(255, 0, 0), 1, 8, 0); //Scalar绘制的颜色，分别是R,G，B
}
}
imshow("原图", camerFrame);
waitKey(20);
}
}
总结：由于在上面训练的样本选太少了，训练出来的效果不太好，识别不佳，而且训练几百张图片，花了好几个小时，电脑太垃圾了，没有OpenCV自带的人脸检测的文件那么好，但是总算知道了如何自己训练出XML文件。有不对的地方请多多包涵，有错误欢迎大家指正，谢谢。 作者：Kinect开发 https://www.bilibili.com/read/cv10624306/ 出处：bilibili