怎么训练opencv3.0中的haar人脸检测器xml

首先，需要说明的是，OpenCV自带的haar training提取的特征是haar特征 分类器是AdaBoost级联分类器（如需了解Adaboost算法， 。所谓的级联分类器，就是将若干的简单的分量分类器（可以理解为一般的普通分类器）依次串联起来，最终的检测分类结果，要依次通过所有的分量分类器才能算是一个有效的检测分类结果。否则，就认为当前检测区域内没有我们需要找的目标。利用OpenCV自带的haar training程序训练一个分类器，需要经过以下几个步骤：

（1）收集训练样本茄陪：

训练样本包括正样本和负样本。正蚂誉样本，通俗点说，就是图片中只有你需要的目标。而负样本的图片只要其中不含有目标就可以了。但需要说明的是，负样本也并非随便选取的。例如，你需要检测的目标是汽车，那么正样本就应该是仅仅含有汽车的图片，而负样本显然不能颤物蠢是一些包含天空的，海洋的，风景的图片。因为你最终训练分类器的目的是检测汽车，而汽车应该出现在马路上。也就是说，分类器最终检测的图片应该是那些包含马路，交通标志，建筑物，广告牌，汽车，摩托车，三轮车，行人，自行车等在内的图片。很明显，这里的负样本应该是包含摩托车、三轮车、自行车、行人、路面、灌木丛、花草、交通标志、广告牌等。

1、首先就是数据的准备，你要从网络上下载一些人脸库，后面用来训练人脸识别模型。人脸检测模型opencv是自带的，但是识别模型需要自己训练。下载人脸库之后需要对人脸进行标记，这是一个繁琐的工作，不过网上有脚本或者自己写个程序简化工作量。

2、把数据标记好之后就是opencv的事情。训练的函清轮凳数非常简单。只有下面这三句：

Ptr<FaceRecognizer>model = createEigenFaceRecognizer()

model->train(images, labels)

model->save("MyFacePCAModel.xml")

3、然后打开摄像头桐纳进行人脸检测，就是框出人脸的位置。人脸检测模型是opencv自带的。

CascadeClassifier cascade

cascade.load("haarcascade_frontalface_alt.xml")

这是加载的方法。

cascade.detectMultiScale(gray, faces,

1.1, 2, 0

//|CV_HAAR_FIND_BIGGEST_OBJECT

//|CV_HAAR_DO_ROUGH_SEARCH

| CV_HAAR_SCALE_IMAGE,

Size(30, 30))

这是检测的方法。这里检测得到的就是一个一个的人脸的矩形框，然后用画矩形的方法把它们画出来就行了。

4、然后就是对检答旅测到的人脸进行识别了，用我们刚才训练好的人脸模型。加载：

Ptr<FaceRecognizer>modelPCA = createEigenFaceRecognizer()

modelPCA->load("MyFacePCAModel.xml")

检测：

int predictPCA = 0

if (face.rows >= 120)

{

resize(face, face_test, Size(92, 112))

}

if (!face_test.empty())

{

predictPCA = modelPCA->predict(face_test)

}

如果预测结果等于标记结果，说明识别正确。

大致流程就这样了，如果你对opencv有了一定的了解，应该能看懂了。

---