本文为作者原创，未经允许不得转载；原文由作者发表在博客园： http://www.cnblogs.com/panxiaochun/p/5345412.html
HaarTraining步骤
1.正负样本处理
正样本处理需要对正样本进行归一化处理，一般情况下可以用Photoshop对图像进行尺寸统一处理，比如都是20*20或者24*24，其中其它尺寸比如240*15也可以做成样本的，不要求是正方形，或者20*20,24*24,。这是取决于你的目标的形状，不过正样本的分辨率不要太高，太高的话在训练时会内存分配不足引起crash
错误如下： OpenCV Error :insufficient memory <failed to allocate 250343435bytes> in cv::\OutOfMemoryError
图1.1 正样本分辨率太大时引起的内存分配不足的crash
不预先用Photoshop对正样本进行处理时，还可以使用opencv_createSamples工具进行处理，其实就算用Photoshop对样本进行过处理，在这里还是会对样本进行一次处理，Photoshop预先处理的好处就是样本的位置都为0,0。那么对正样本描述文件处理时就比较简单，特别是正样本数量足够大时，可以减少正样本描述文件的出错率，提高分类器的检测率。
1.1正样本描述文件
正样本描述文件的创建如下：
一个.txt文件或者.dat文件里面包含正样本的信息，
结构：
包含正样本图片的相对路径或者全路径 正样本中包含的正样本数量 第一个正样本的位置x y 第一个正样本的宽和高w h 第二个正样本的位置x y 第二个正样本的宽和高w h …… 第n个正样本的位置x y 第n个正样本的宽和高w h
img01.jpg 0 0 20 20
img\\img02.jpg 0 0 24 24
e://img/img03.jpg 3 4 240 15 248 29 160 20
….
在这里你就会明白为什么要在之前用Photoshop对图片进行处理，这样的话，所有图片都是只包含一个正样本的统一尺寸的图片，那么正样本描述文件就像下面那样：
img01.jpg 1 0 0 20 20
img02.jpg 1 0 0 20 20
img03.jpg 1 0 0 20 20
……
既然是是统一的话，就可以用批处理来完成：
在Windows下用命令: dir imgDir /b > imgDiscr.txt
（在linux下用: ls imgDir >imgDiscr.txt ,也可以保存为.sh文件，这样不用每次输入命令）
我是直接保存为.bat文件，这样每次不用打命令，而是点击就生成包含所有正样本图片名的文件imgDiscr.txt ：
img01.jpg
img02.jpg
img03.jpg
….
然后用编辑器打开，把jpg替换成jpg 1 0 0 20 20
就可以快速生成正样本描述文件。
1.2负样本描述文件的生成
和正样本一样，不过不需要对负样本图片进行处理，只要负样本图片不比正样本图片的分辨率小就行，负样本描述文件只需要包含图片路径名：
non-img01.jpg
non-img02.jpg
non-img03.jpg
….
2.opencv_createsamples生成正样本.vec文件
分类器在训练时并不会直接处理正样本描述文件，而是包含正样本的.vec文件，这是一个用matlab函数生成的向量文件。
参数的设定如下：
opencv_createsamples.exe -info imgDiscr.txt -vec samples.vec -num -w -h 20
命令行参数：
- [-vec <vec_file_name>] 输出文件，内含用于训练的正样本
- [-img <image_file_name>] 输入图像文件名（例如一个公司的标志
- [-bg <background_file_name>] 背景图像的描述文件，文件中包含一系列的图像文件名，这些图像将被随机选作物体的背景。
- [-mun <number_of_samples>]生成的正样本的数目。
- [-maxxangle <max_x_rotation_angle>]X轴最大旋转角度，必须以弧度为单位。
- [-maxyangle <max_y_rotation_angle>]Y轴最大旋转角度，必须以弧度为单位。
- [-maxzangle <max_z_rotation_angle>]Z轴最大旋转角度，必须以弧度为单位。
- [-w <sample_width >] 输出样本的宽度（以像素为单位）
- [-h <sample_height >]输出样本的高度（以像素为单位）。
其中-num的数值应该为总的正样本数，也就是正样本描述文件中第二列数字总和
-w -h是输出图像的宽和高，这里也会对正样本进行归一化处理，其中我们之前用Photoshop对图像进行过归一化处理，如果没有，那么在这里createsample工具也会对正样本进行归一化处理，所有的正样本大小都是一样的。而且，之前Photoshop归一化为20个像素后，在这里设置为24个像素，那么生成的.vec向量文件里面的图像是24个像素的。
3.haarTraining训练分类器
opencv_haarTraining训练器是一个被淘汰的训练器，在2.4.9里面还有，2.4.10后就没有了，不过用opencv_traincascade训练出来的分类器在示例程序中无法使用，而且3.10的opencv_traincascade在使用时出现问题，所以迫不得已找回了以前的haarTraining来使用。其中opencv_traincascade出现的错误如下:
Train dataset for temp stage can not be filled. Branch training terminated
*上的说是描述文件是在Windows下生成的，结尾是/r/n，而linux下的描述文件后面是/r没有/n，所有导致读取不到图像文件，但是在linux下训练时还是会出现问题，所以，我觉得问题不在描述文件上。训练分类器用以下命令：
opencv_haartraining.exe -data block_xml/ -vec samples.vec -bg non-imgDiscr.txt -nstages -nsplits -minhitrate 0.999 -maxfalsealarm 0.5 -npos -nneg -w -h -mem -eqw -mode ALL -bt GAB -minpos
这里的正样本数量为200,负样本数量为20,样本的宽为240,高为15
正样本最小命中率为0.999，因为级联-nstages为20，所以0.999^20 = 0.98 负样本的最大错误率为0.5 经过20个级联后错误率为0.5^20 = 0.0000009536
基本参数：
" -data <dir_name>\n"
" -vec <vec_file_name>\n"
" -bg <background_file_name>\n"
" [-npos <number_of_positive_samples = %d>]\n"
" [-nneg <number_of_negative_samples = %d>]\n"
" [-nstages <number_of_stages = %d>]\n"
" [-nsplits <number_of_splits = %d>]\n"
" [-mem <memory_in_MB = %d>]\n"
" [-sym (default)] [-nonsym]\n"
" [-minhitrate <min_hit_rate = %f>]\n"
" [-maxfalsealarm <max_false_alarm_rate = %f>]\n"
" [-weighttrimming <weight_trimming = %f>]\n"
" [-eqw]\n"
" [-mode <BASIC (default) | CORE | ALL>]\n"
" [-w <sample_width = %d>]\n"
" [-h <sample_height = %d>]\n"
" [-bt <DAB | RAB | LB | GAB (default)>]\n"
" [-err <misclass (default) | gini | entropy>]\n"
" [-maxtreesplits <max_number_of_splits_in_tree_cascade = %d>]\n"
" [-minpos <min_number_of_positive_samples_per_cluster = %d>]\n",
要注意的是 –nneg 的参数 = 实际的负样本数 * maxfalsealarm
因为第一次训练完成后，第二个级联的负样本数其实并没有百分百留下，其中有误判的负样本没有加载，所以-nneg如果为实际的负样本数，那么程序很有可能进入死循环，如果样本数不大，但是几个小时后还没有动静，那么就是进入死循环了，像上面的200个正样本，20个负样本基本上前10个级联是一分钟内完成，后面的级联几分钟一个，如果超过十分钟没有动静，那么就是进入死循环了。在这里，参数设置不正确，那么就会训练不成功，还有一个进入死循环的可能就是虚警率一直不能下来，就是maxfalsealarm的值一直居高不下，所以训练器一直在跑，导致结果一直不能停，如果训练一段时间，还在训练，参数没有问题的话，那么就应该适当的设置级联的数量，来停止训练，得到分类器。
用opencv_traincascade来训练的话可以结合TBB来多核处理，在
编译opencv时加入TBB。
用opencv_haarTraining训练出来的分类器会保存在当前目录下用-data的参数命名的xml文件里。
训练的过程可以随时停止，重新训练时，训练器会读取之前的参数，从停止的地方开始。
训练结束：