关键词：级联分类器、opencv_traincascade

下面简述操作过程：

1. 准备正负样本：neg、pos
2. 正负样本路径生成：dir /a/b>path.txt //path:pos or neg
3. 正样本训练集生成：opencv_createsamples.exe -info pos\pos.txt -vec pos\pos.vec -num 799 -w 24 -h 24  pause
4. 样本训练：opencv_traincascade.exe -data data -vec pos/pos.vec -bg neg/neg.txt -numPos 100 -numNeg 2000 -numStages 5 -featureType LBP -w 24 -h 24 -minHitRate 0.999 -maxFalseAlarmRate 0.1 -mode ALL

• -numStages ：训练级数           a
• -numPos ：每级训练正样本数量  b
• a*b<=总正样本数
• -numNeg ：每级训练使用的负样本数量 c
• c<=总负样本数
• -featureType：检测特征
• 经验之谈： LBP用于快速训练及检测、HOG可较好适应不同光照、HAAR适用于环境较复杂情况

注意事项

1. 若出现报错，首先检查参数设置是否正确；其次可考虑换台机器；最后再考虑更改机器环境配置。
2. 若长时间停留在某一训练阶段，表明极有可能陷入循环，同时也表明在此阶段分类器已达到较优状态，可先退出(ctr+C)再降低训练级数或调整其他参数。
3. 若训练效果不理想则考虑增大样本集并修改相关训练参数。