opencv訓練自己的人臉檢測分類器樣本
- 軟件類型：
- 國產軟件
- 軟件語言：
- 簡體中文
- 軟件大小：
- 45 MB
- 軟件授權：
- 免費軟件
- 軟件評級：
- 4
- 更新時間：
- 2017-10-28
- 應用平臺：
- WinXP, Win7, WinAll
這是opencv訓練自己的人臉檢測分類器樣本下載，最近要做一個性別識別的項目，在人臉檢測與五官定位上我采用OPENCV的haartraining進行定位，這里介紹下這兩天我學習的如何用opencv訓練自己的分類器。在這兩天的學習里，我遇到了不少問題，不過我遇到了幾個好心的大俠幫我解決了不少問題，特別是無忌，在這里我再次感謝他的幫助。
軟件介紹
opencv訓練自己的人臉檢測分類器樣本是目標檢測方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]對這一方法進行了改善。該方法的基本步驟為： 首先，利用樣本（大約幾百幅樣本圖片）的 harr 特征進行分類器訓練，得到一個級聯(lián)的boosted分類器。
分類器中的"級聯(lián)"是指最終的分類器是由幾個簡單分類器級聯(lián)組成。在圖像檢測中，被檢窗口依次通過每一級分類器， 這樣在前面幾層的檢測中大部分的候選區(qū)域就被排除了，全部通過每一級分類器檢測的區(qū)域即為目標區(qū)域。
分類器訓練完以后，就可以應用于輸入圖像中的感興趣區(qū)域的檢測。檢測到目標區(qū)域分類器輸出為1，否則輸出為0。為了檢測整副圖像，可以在圖像中移動搜索窗口，檢測每一個位置來確定可能的目標。 為了搜索不同大小的目標物體，分類器被設計為可以進行尺寸改變，這樣比改變待檢圖像的尺寸大小更為有效。所以，為了在圖像中檢測未知大小的目標物體，掃描程序通常需要用不同比例大小的搜索窗口對圖片進行幾次掃描。
目前支持這種分類器的boosting技術有四種： Discrete Adaboost， Real Adaboost， Gentle Adaboost and Logitboost。
"boosted" 即指級聯(lián)分類器的每一層都可以從中選取一個boosting算法(權重投票)，并利用基礎分類器的自我訓練得到。
軟件步驟
1、 樣本的創(chuàng)建
2、 訓練分類器
3、 利用訓練好的分類器進行目標檢測。
相關介紹
opencv訓練自己的人臉檢測分類器樣本在opencv中有兩個類型的分類器：opencv_haartraining和opencv_traincascade，后者是2.x版本中基于C++寫的新版本的分類器。二者最主要的區(qū)別是opencv_traincascade支持Haar和LBP。LBP在訓練和檢測方面要比Haar特征快數(shù)倍。Haar和LBP的檢測質量取決于要訓練的數(shù)據(jù)和訓練的參數(shù)設置。
opencv_traincascade與opencv_haartraining以不同的文件類型存儲訓練分類器。新的cascade檢測接口支持者兩種格式。opencv_traincascade可以保存（輸出）舊格式的級聯(lián)器，但是opencv_traincascade和opencv_haartraining不能在訓練中斷后加載另一種格式的分類器。
需要注意的是opencv_traincascade可使TBB用于多線程，而使用多核心的opencv一定是基于TBB。
軟件截圖
