本系列文章旨在学习如何在opencv中基于haar-like特征训练自己的分类器，并且用该分类器用于模式识别。该过程大致可以分为一下几个大步骤：

1.准备训练样本图片，包括正例及反例样本

2.生成样本描述文件

3.训练样本

4.目标识别

=================

本文主要对步骤1、步骤2进行说明。

1.准备训练样本图片，包括正例及反例样本

1)正样本的采集：

　　所谓正样本，是指只包含待识别的物体的图片，一般是一些局部的图片，且最好能转化为灰度图。比如，若你想识别人脸，则正样本应尽可能只包含人 脸，可以留一点周边的背景但不要过多。在正样本的采集上，我们有两种图形标定工具可以使用：(1)opencv的imageClipper (2)objectMarker。这两个工具都支持傻瓜式地对图片中的物体进行矩形标定，可以自动生成样本说明文件，自动逐帧读取文件夹内的下一帧。我用 的是objectMarker。如果你找不到这个软件，可以留下邮箱，我发给你。
在标定的时候尽量保持长宽比例一致，也就是尽量用接近正方形的矩形去标定待识别的物体，至于正方形的大小影响并不大。尽管OpenCV推荐训练样本的最佳尺寸是20x20，但是在下一步生成样本描述文件时可以轻松地将其它尺寸缩放到20x20。标定完成后生成的样本说明文件info.txt内容举例如下：

rawdata/   (1).bmp 1 118 26 81 72 
rawdata/   (10).bmp 2 125 72 48 46 0 70 35 43 
rawdata/   (11).bmp 1 105 87 43 42 
rawdata/   (12).bmp 2 1 70 34 38 105 87 41 44 
... 

其中rawdata文件夹存放了所有待标定的大图，objectMarker.exe与rawdata文件夹同级。这个描述文件的格式已经很接近opencv所要求的了。

2）负样本的采集：

　　所谓负样本，是指不包含待识别物体的任何图片，因此你可以将天空、海滩、大山等所有东西都拿来当负样本。但是，很多时候你这样做是事倍功半的。 大多数模式识别问题都是用在视频监控领域，摄像机的角度跟高度都相对固定。如果你知道你的项目中摄像机一般都在拍什么，那负样本可以非常有针对性地选取， 而且可以事半功倍。举个例子，你现在想做火车站广场的异常行为检测，在这个课题中行人检测是必须要做的。而视频帧的背景基本都是广场的地板、建筑物等。那 你可以在人空旷的时候选择取一张图，不同光照不同时段下各取一张图，然后在这些图上随机取图像块，每个块20x20，每个块就是一个负样本。这几张图就能 缠上数以千计数以万计的负样本！而且针对性强。因为海洋、大山等东西对你的识别一点帮助也没有，还会增加训练的时间，吃力不讨好的事还是少做为好。我写了 一段小程序，功能是根据背景图片自动随机生成指定数量指定尺寸的负样本：

#include "stdafx.h" 
#include "cv.h" 
#include "highgui.h" 
#include <iostream> 
#include <string> 
 
using namespace std; 
using namespace cv; 
 
//从背景图片中随机抽取图像块，多用于生成负样本 
#define kImageBlockWidth                40        //图像块大小 
#define kImageBlockHeight                40         
#define kLoopTimes                        1000    //期望样本数 
 
int _tmain(int argc, _TCHAR* argv[]) 
{ 
    int originX = 0, originY = 0; 
    int width_limited = 0, height_limited = 0; 
    int width = 0, height = 0; 
    IplImage *bgImage = cvLoadImage("neg\\bg1.bmp"); 
    IplImage *blockImage = cvCreateImage(cvSize(kImageBlockWidth
, kImageBlockHeight), bgImage->depth, bgImage->nChannels); 
    width = bgImage->width; 
    height = bgImage->height; 
    width_limited = width - kImageBlockWidth; 
    height_limited = height - kImageBlockHeight; 
    cout<<width_limited<<"   "<<height_limited; 
    for (int i = 0; i < kLoopTimes; i++) 
    { 
        originX = rand() % width_limited; 
        originY = rand() % height_limited; 
        cvZero(blockImage); 
        CvPoint2D32f center_block = cvPoint2D32f(originX + kImageBlockWidth / 2
, originY + kImageBlockHeight / 2); 
        cvGetRectSubPix(bgImage, blockImage, center_block); 
        char saveFileName[100] = {'\0'}; 
        sprintf(saveFileName, "neg\\(%d).bmp", i + 1); 
        cvSaveImage(saveFileName, blockImage); 
    } 
 
    cvReleaseImage(&bgImage); 
    cvReleaseImage(&blockImage); 
    system("pause"); 
    return 0; 
} 

这里的负样本尺寸我设定为40x40，是因为在我的应用环境下待识别的物体差不多是这个尺寸的。具体可以分析一下你的info.txt文件。生成文 件后，开cmd.exe cd到该目录，然后运行“dir /b > neg_sample.dat”，打开.dat，用editplus替换bmp为bmp 1 0 0 40 40。这样负样本说明文件就产生了。

　　对于负样本，我还有一点要说明：负样本图像的大小只要不小于正样本就可以。opencv在使用你提供的一张负样本图片时会自动从其中抠出一块与 正样本同样大小的图像作为负样本，具体的函数可见opencv系统函数cvGetNextFromBackgroundData()。

2.生成样本描述文件

　　样本描述文件也即.vec文件，里面存放二进制数据，是为opencv训练做准备的。只有正样本需要生成.vec文件，负样本不用，负样本用.dat文件就够。在生成描述文件过程中，我们需要用到opencv自带的opencv_createsamples.exe可执行文件。这个文件一般存放在opencv安装目录的/bin文件夹下（请善用ctrl+F搜索）。如果没有，可以自己编译一遍也很快。这里提供懒人版：http://en.pudn.com/downloads204/sourcecode/graph/texture_mapping/detail958471_en.html 这是别人编译出来的opencv工程，在bin底下可以找到该exe文件。要注意，该exe依赖于cv200.dll、cxcore200.dll、highgui200.dll这三个动态库，要保持这四个文件在同个目录下。

现在我们开始生成描述文件。新建文件夹pos、neg分别存放正样本及负样本图片，此处是指没标定的大图。

1)修改样本说明文件的格式：

在第1步中我们用objectMarker完成标定后会自动生成info.txt，现在我们需要对其格式做一定的微调，通过editplus或者ultraedit将路径信息rawdata都替换掉，并命名为sample_pos.dat，也可自定义名字。

(1).bmp 1 118 26 81 72 
(10).bmp 2 125 72 48 46 0 70 35 43 
(11).bmp 1 105 87 43 42 
(12).bmp 2 1 70 34 38 105 87 41 44 
(13).bmp 1 102 93 43 41 
(14).bmp 1 104 86 45 47 

2）使用opencv_createsamples.exe创建样本描述文件：

　　打开cmd.exe，cd到opencv_createsamples.exe所在的目录，执行命令：

opencv_createsamples.exe -info ./pos/sample_pos.dat -vec ./pos/sample_pos.vec -num 17 -w 20 -h 20 -show YES

参数说明：-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　　　　　　　　　和。

　　　　　　-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！

　　　　　　-show 是否显示每个样本。样本少可以设为YES，要是样本多的话最好设为NO，或者不要显式地设置，因为关窗口会关到你哭

done表示创建成功，若创建不成功会报错，大部分会提示你sample.dat pars error，一般是说明文件格式有错，或者num设置过大

Create training samples from images collection... 
Done. Created 17 samples 

总结

总结并延伸以上内容：

1.样本图片最好使用灰度图，且最好能根据实际情况做一定的预处理

2.样本选择的原则是：数量越多越好，尽量高于1000；样本间差异性越大越好

3.正负样本比例为1：3最佳，尺寸为20x20最佳

That`s all。

==================

附上参考资料，看这些就够，网上资料太多容易让人看花眼！

http://blog.csdn.net/think_embed/article/details/9959569

http://www.docin.com/p-80649093.html

http://jingyan.baidu.com/article/4dc40848f50689c8d946f197.html

http://blog.csdn.net/carson2005/article/details/8171571