现在的位置: 首页 > 综合 > 正文

haartraining生成.xml文件过程

2013年10月14日 ⁄ 综合 ⁄ 共 4436字 ⁄ 字号小中大 ⁄ 评论关闭

1.准备正负样本：

在上一讲http://www.cnblogs.com/tornadomeet/archive/2012/03/27/2420088.html 中，我们已经收集到了训练所用的正样本。下面就开始收集负样本了，负样本要求是：不能包含人脸，且图片大小也不需要归一化到正样本尺寸，只需比正样本尺寸大或者相等即可。建议负样本用灰度图，加快训练速度，且负样本一定不能重复，要增大负样本的差异性。

这里我采用的负样本是用的是weizmann团队http://www.wisdom.weizmann.ac.il/~vision/Seg_Evaluation_DB/dl.html 网站上的图像分割数据库，里面有灰色图和彩色图，这里当然选取灰度图了。

总共用了200幅图片，大小大约在300*200像素，截图如下所示：

可以看出这些200多张图片基本都没有人脸，所以说应该是可以的。

正负样本的图片准备好了，下面就开始制作正负样本的描述文件了。

首先建立好文件夹，把图片拷贝好，如下所示：

Pos_image中放入的是正样本，neg_image放入的是负样本，test_image放入的是测试样本。并将后面要用到的2个工具.exe文件也拷贝过来(在opencv的安装目录C:\Program Files\opencv2.3.1\build\common\x86下)。

2.生成正负样本描述文件：

建立正样本的描述文件：

打开cmd窗口，进入上图所在pos_img文件夹内，可以看到此文件夹图片显示如下：

使用命令dir /b >pos_image.txt。如图所示

且用editplus打开该文件，删除最后一行，最后将名字归一化如下所示：

其中的pos_image/是相对路径名,后面紧接着的是文件名，1代表一个文件，0 0 24 24表示这个文件的2个顶点位置坐标。保存退出即ok！

负样本的描述文件类似，只是不需要考虑其大小位置。

也是进入neg_imgae后在cmd内使用命令dir /b >neg_image.txt，如图所示：

同样删除最后一行文字，且将文件相对路径加入如下所示：

至此，训练数据准备完备了。

3.创建vec文件：

在创建vec文件时，需要把pos_image.txt和neg_image.txt两个样本描述文件剪切到上一目录，如图所示：

然后利用opencv_createsamples.exe应用程序在该目录下使用如下cmd命令：

其中的-vec是指定后面输出vec文件的文件名，-info指定正样本描述文件，-bg指定负样本描述文件，-w和-h分别指正样本的宽和高，-num表示正样本的个数。执行完该命令后就会在当前目录下生产一个pos.vec文件了。

4.使用opencv_haartraining.exe文件进行训练

首先在当前目录下新建一个xml文件夹用于存放生成的.xml文件。

在当前目录使用cmd命令:

Opcnv_haartraining.exe –data xml –vec pos.vec –bg neg_image.txt –nsplits 1 –sym –w 24 –h 24 –mode all –mem 1280

截图如下：

其中-data为输出xml中间文件的位置，-sym表示训练的目标为垂直对称，-nsplits 1表示使用简单的stump classfier分类。-mem 1280 表示允许使用计算机的1280M内存,-mode all 表示使用haar特征集的种类既有垂直的，又有45度角旋转的。

因为数据量不是很多，不到半个钟头就训练好了。在当前目录下生产了一个xml.xml文件，将其重名名为face_test.xml。

5.实验结果：

利用上面训练出来的face_test.xml文件来检测下人脸，首先来一张比较正面的人脸图，用奥巴马的，检测结果如下：

为了看看是否不是特别正的，且有背景干扰的结果，用了lena的图，检测结果如下：

上面说明其效果还是不错的。其测试源码和前面的博客http://www.cnblogs.com/tornadomeet/archive/2012/03/22/2411318.html的代码类似，删减了人眼检测的代码而已，源码如下：

 1 // face_detect.cpp : 定义控制台应用程序的入口点。
 2 //
 3 #include "stdafx.h"
 4 
 5 #include "opencv2/objdetect/objdetect.hpp"
 6 #include "opencv2/highgui/highgui.hpp"
 7 #include "opencv2/imgproc/imgproc.hpp"
 8 #include "opencv2/ml/ml.hpp"
 9 
10 #include <iostream>
11 #include <stdio.h>
12 
13 using namespace std;
14 using namespace cv;
15 
16 void detectAndDraw( Mat& img,
17                    CascadeClassifier& cascade, 
18                    double scale);
19 
20 String cascadeName = "./face_test.xml";//人脸的训练数据
21 
22 int main( int argc, const char** argv )
23 {
24     Mat image;
25     CascadeClassifier cascade, nestedCascade;//创建级联分类器对象
26     double scale = 1.3;
27 //    image = imread("obama_gray.bmp",1);
28     image = imread("lena_gray.jpg",1);
29     namedWindow( "result", 1 );//opencv2.0以后用namedWindow函数会自动销毁窗口
30 
31     if( !cascade.load( cascadeName ) )//从指定的文件目录中加载级联分类器
32     {
33          cerr << "ERROR: Could not load classifier cascade" << endl;
34          return 0;
35     }
36 
37     if( !image.empty() )//读取图片数据不能为空
38     {
39         detectAndDraw( image, cascade, scale );
40         waitKey(0);
41     }
42 
43     return 0;
44 }
45 
46 void detectAndDraw( Mat& img,
47                    CascadeClassifier& cascade, 
48                    double scale)
49 {
50     int i = 0;
51     double t = 0;
52     vector<Rect> faces;
53     const static Scalar colors[] =  { CV_RGB(0,0,255),
54         CV_RGB(0,128,255),
55         CV_RGB(0,255,255),
56         CV_RGB(0,255,0),
57         CV_RGB(255,128,0),
58         CV_RGB(255,255,0),
59         CV_RGB(255,0,0),
60         CV_RGB(255,0,255)} ;//用不同的颜色表示不同的人脸
61 
62     Mat gray, smallImg( cvRound (img.rows/scale), cvRound(img.cols/scale), CV_8UC1 );//将图片缩小，加快检测速度
63 
64     cvtColor( img, gray, CV_BGR2GRAY );//因为用的是类haar特征，所以都是基于灰度图像的，这里要转换成灰度图像
65     resize( gray, smallImg, smallImg.size(), 0, 0, INTER_LINEAR );//将尺寸缩小到1/scale,用线性插值
66     equalizeHist( smallImg, smallImg );//直方图均衡
67 
68     t = (double)cvGetTickCount();//用来计算算法执行时间
69 
70 //检测人脸
71 //detectMultiScale函数中smallImg表示的是要检测的输入图像为smallImg，faces表示检测到的人脸目标序列，1.1表示
72 //每次图像尺寸减小的比例为1.1，2表示每一个候选矩形需要记录2个邻居,CV_HAAR_SCALE_IMAGE表示使用haar特征，Size(30, 30)
73 //为目标的最小最大尺寸
74     cascade.detectMultiScale( smallImg, faces,
75         1.1, 2, 0
76         //|CV_HAAR_FIND_BIGGEST_OBJECT
77 //|CV_HAAR_DO_ROUGH_SEARCH
78         |CV_HAAR_SCALE_IMAGE
79         ,
80         Size(30, 30) );
81 
82     t = (double)cvGetTickCount() - t;//相减为算法执行的时间
83     printf( "detection time = %g ms\n", t/((double)cvGetTickFrequency()*1000.) );
84     for( vector<Rect>::const_iterator r = faces.begin(); r != faces.end(); r++, i++ )
85     {
86         Mat smallImgROI;
87         vector<Rect> nestedObjects;
88         Point center;
89         Scalar color = colors[i%8];
90         int radius;
91         center.x = cvRound((r->x + r->width*0.5)*scale);//还原成原来的大小
92         center.y = cvRound((r->y + r->height*0.5)*scale);
93         radius = cvRound((r->width + r->height)*0.25*scale);
94         circle( img, center, radius, color, 3, 8, 0 );
95         smallImgROI = smallImg(*r);
96     }
97     cv::imshow( "result", img );
98 }