Java机器学习库（OpenCV）（训练人脸识别级联分类器）
样本
正样本
正样本是待检测的物体的图像。
正样本由opencv_createsamples工具生成。正样本可以由包含待检测物体的一张图片生成，也可由一系列标记好的图像生成。如果只有一张包含物体的图像，如一个公司的标志，那么可以通过对物体图像的随机旋转、改变标志亮度以及将标志放在任意的背景上而获得大量的正样本。生成的正样本数目以及随机的程度都可以通过 opencv_createsamples 的命令行参数控制。
需要注意的是你需要提供一个很大的负样本库给训练程序进行训练。如果是绝对刚性的物体，如一个公司的LOGO，你只有一张正样本图像；如果是人脸，你需要几百甚至几千个正样本。在待检测物体是人脸的情况下，你还需要考虑所有的人种、年龄、表情甚至胡子的样式。这些图像可以是不同的尺寸，但是图像尺寸应该比训练窗口的尺寸大，因为这些图像将被用于抠取负样本，并将负样本缩小到训练窗口大小。
负样本
负样本是指不包括物体的图像。负样本和样本图像也叫做背景样本，或者背景样本图像。
opencv_createsamples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> 输入图像的文件名
-bg <background_file_name> 背景图像的描述文件，文件中含有一系列的图像文件名，这些图像将被随机选作物体的背景
-num <number_of_samples> 生产正样本的数量
-bgcolor <background_color> 背景颜色（目前为灰度图）；背景颜色表示透明颜色。因为图像压缩可造成颜色偏差，颜色的容差可以由 -bgthresh 指定。所有处于 bgcolor-bgthresh 和 bgcolor+bgthresh 之间的像素都被设置为透明像素。
-bgthresh <background_color_threshold>
-inv 如果指定该标志，前景图像的颜色将翻转。
-randinv 如果指定该标志，颜色将随机地翻转。
-maxidev <max_intensity_deviation> 前景样本里像素的亮度梯度的最大值。
-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。
-show 很有用的调试选项。如果指定该选项，每个样本都将被显示。如果按下 Esc 键，程序将继续创建样本但不再显示。
-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）。
训练级联分类器
opencv_traincascade 和 opencv_haartraining 都可用来训练一个级联分类器。由于opencv_haartraining的用法与 opencv_traincascade 类似，所以我们此处只介绍 opencv_traincascade。
opencv_traincascade命令行参数
- 通用参数
-data <cascade_dir_name> 目录名，如不存在训练程序会创建它，用于存放训练好的分类器。
vec <vec_file_name> 包含正样本的vec文件名（由 opencv_createsamples 程序生成）。
-bg <background_file_name> 背景描述文件，也就是包含负样本文件名的那个描述文件。
-numPos <number_of_positive_samples> 每级分类器训练时所用的正样本数目。
-numNeg <number_of_negative_samples> 每级分类器训练时所用的负样本数目，可以大于 -bg 指定的图片数目。
-numStages <number_of_stages> 训练的分类器的级数。
-precalcValBufSize <precalculated_vals_buffer_size_in_Mb> 缓存大小，用于存储预先计算的特征值(feature values)，单位为MB。
-precalcIdxBufSize <precalculated_idxs_buffer_size_in_Mb> 缓存大小，用于存储预先计算的特征索引(feature indices)，单位为MB。内存越大，训练时间越短。
-baseFormatSave 这个参数仅在使用Haar特征时有效。如果指定这个参数，那么级联分类器将以老的格式存储。
- 级联参数
-stageType <BOOST(default)> 级别（stage）参数。目前只支持将BOOST分类器作为级别的类型。
-featureType<{HAAR(default), LBP}> 特征的类型： HAAR - 类Haar特征； LBP - 局部纹理模式特征。
-w <sampleWidth>
-h <sampleHeight> 训练样本的尺寸（单位为像素）。必须跟训练样本创建（使用 opencv_createsamples 程序创建）时的尺寸保持一致。
- Boosted参数
-bt <{DAB, RAB, LB, GAB(default)}> Boosted分类器的类型： DAB - Discrete AdaBoost, RAB - Real AdaBoost, LB - LogitBoost, GAB - Gentle AdaBoost。
-minHitRate <min_hit_rate> 分类器的每一级希望得到的最小检测率。总的检测率大约为 min_hit_rate^number_of_stages。
-maxFalseAlarmRate <max_false_alarm_rate> 分类器的每一级希望得到的最大误检率。总的误检率大约为 max_false_alarm_rate^number_of_stages.
-weightTrimRate <weight_trim_rate> Specifies whether trimming should be used and its weight. 一个还不错的数值是0.95。
-maxDepth <max_depth_of_weak_tree> 弱分类器树最大的深度。一个还不错的数值是1，是二叉树（stumps）。
-maxWeakCount <max_weak_tree_count> 每一级中的弱分类器的最大数目。The boosted classifier (stage) will have so many weak trees (<=maxWeakCount), as needed to achieve the given -maxFalseAlarmRate.
- 类Haar特征参数
-mode <BASIC (default) | CORE | ALL> 训练过程中使用的Haar特征的类型。 BASIC 只使用右上特征， ALL 使用所有右上特征和45度旋转特征。
当opencv_traincascade程序训练结束以后，训练好的级联分类器将存储于文件cascade.xml中，这个文件位于 -data 指定的目录中。这个目录中的其他文件是训练的中间结果，当训练程序被中断后，再重新运行训练程序将读入之前的训练结果，而不需从头重新训练。训练结束后，你可以删除这些中间文件。
工作空间目录结构
构建正样本
第一步：
创建posdir.bat文件内容如下：
双击posdir.bat执行，得到正样本中间文件pos.dat，使用文本编辑器打开pos.dat可以看到如下内容：
第二步：
将.jpg替换成.jpg 1 0 0 20 20（1代表该图片上有一个样本，top=0,left=0,width=20,height=20）如下：
第三步：
创建opencv_createsamples.bat文件内容如下：
opencv_createsamples.exe -info pos.dat -vec pos.vec -num 18586 -w 20 -h 20
pause
双击opencv_createsamples.bat执行，得到正样本文件pos.vec。
构建负样本
与正样本第一步类似，创建negdir.bat文件内容如下:
双击negdir.bat执行，得到正样本中间文件neg.dat，使用文本编辑器打开neg.dat可以看到如下内容：
训练
创建opencv_traincascade.bat文件内容如下：
opencv_traincascade.exe -data data -vec pos.vec -bg neg.dat -numPos 3500-numNeg 10000-numStages 16 -minhitrate 0.99 -maxfalsealarm 0.5 -mode ALL -w 20 -h 20
pause
双击negdir.bat开始训练。
训练过程如下：
注：为了尽快得出结果，笔者并没有使用上述中的参数进行训练，而是减小了每次训练的样本数量。这样做的缺点是：训练的结果定位目标物体不够准确。
opencv_traincascade.exe -data data -vec pos.vec -bg neg.dat -numPos 350 -numNeg 900 -numStages 16 -minhitrate 0.99 -maxfalsealarm 0.5 -mode ALL -w 20 -h 20
pause
训练结果如下：
除cascade.xml之外其他全部是训练产生的中间文件，cascade.xml就是我们要的结果，内容如下：
使用训练的结果进行人脸识别
识别结果如下：