Ubuntu利用opencv训练自己的xml文件
先前在windows系统训练的xml，在应用的时候效果不是很好，检测有很大的误差，这里有几点经验（也是出问题的时候，在网上找到的解决方法及理论知识）。
---采集正负样本的数量及尺寸---
1.数量：
正样本500，负样本1500（如果在训练时要用到500正样本和1500负样本，那么在采集的时候需要都要多采集一些，大概多采100张左右）
为什么要多采？
因为在训练时，要填写-numPos 和 -numNeg这两个参数，而根据实际训练情况，要满足以下要求：
实际准备的正样本数量（读入vec-file的正样本数） >= numPos + (numStage - 1) * numPos * (1 - minHitRate)
vec-file的正样本数就是根据原始的正样本生成的，所以如果-numPos设为500的话，vec-file的数量就需要大一些，如果较小的话就会出现（Bad argument < Can not get new positive sample. The most possible reason is insufficient count of samples in given vec-file.）的错误。
相关参数：
vec-fil：通过opencv_createSamples利用pos.txt生成的pos.vec文件（正样本数就是pos.txt读取的原始正样本的数量）
numPos：每一级stage训练所需的正样本数目（本人原始正样本数为565，那numPos就设置为500）
numStage：训练的级数，相当于keras中的epoch，默认为20，本人设置为15( stage数不是越大越好，过大可能会导致过拟合 )
minHitRate：分类器的每一级希望得到最小检测率(即正样本被判断有效的比例)，最优设置0.9999
2.尺寸：
正样本( 50px * 50px )
正样本的尺寸设置为20*20 / 30*30 / 50*50都行，但不能太大，如果太大就会导致（ OpenCV Error: Insufficient memory (Failed to allocate 65408 bytes) in unknown function ）内存分配不够的错误。
负样本（ 300px * 300px ）
负样本的尺寸必须要大于正样本的6倍或者更大。
因为首先我们要知道训练程序中写的numNeg参数表示每级训练用到的负样本数，本人把它设置为1500。其实这个numNeg的大小和原始负样本数量没有任何关联， 因为numNeg是通过滑动窗口在原始负样本上不断滑动采集，得到的预处理负样本图像的数量（滑动窗口的大小就是正样本的大小，这里是50*50）
负样本的尺寸如果不够大，或者和正样本一样大，滑动窗口就无法在原始负样本上滑动来采集足够多的训练图像，再加上如果收集到的原始负样本的数量可能并不比正样本多多少，也许就是3、4倍。这样的话就会导致（ 执行opencv_traincascade训练程序过程中中断 ）的错误，同时会报（Train dataset for temp stage can not be filled. Branch training terminated。）这时我们发现训练图中的FA( FalseAlarm,虚警率 )为0，表示负样本已全部被正确分类了，也就不会有负样本继续参与下一轮的训练了，所以就退出了。
所以在准备原始负样本的时候一定要保证尺寸足够大，同时包含的内容足够复杂。
---numPos 和 numNeg的比例---
numPos : numNeg = 1:3,这是最优的比例
1. 当numPos和numNeg比例接近的时候1:1，对numNeg内负样本的看中程度很低，在实际的生活中负样本肯定远远多于正样本。
2. 当numPos和numNeg比例较大的时候1:10，对numNeg内负样本多于看中而忽略了正样本的统计特性，造成正样本权重总和很小，当权重小于一定程度的时候可能很大一部分正样本都不参与训练了。
--- Haar和LBP特征 ---
基于LBP特征的分类器几乎能和基于Harr特征的分类器拥有一样的性能，并且由于LBP属于整数型的特征，所以在训练的时候要比Haar特征快得多。
所以在训练的参数中要添加 -featureType LBP，这样能加快训练速度
以上是在整个准备和训练期间需要注意的事项，现在正式开始。
系统：Ubuntu16.04
opencv版本：opencv3.2.0
python版本：python2.7
opencv本人用的版本是源码编译的opencv3.2.0,安装链接已给出，进入python后>>>import cv2不报错，即为安装成功。
--- 数据准备 ---
新建一个/my_xml文件夹作为项目根目录，将正样本放入/my_xml/pos中，将负样本放入/my_xml/neg中。
还需要opencv_createsamples 和 opencv_traincascade这两个程序，在/usr/local/bin中可以找到，通过( cp 程序路径 目标路径 )复制过来就OK了，当前目录如下：
---生成样本路径文件---
生成正样本的pos.txt路径文件，命令行进入根目录运行:
ls pos/*.*>pos.txt
然后将刚生成的pos.txt文件在sublime中打开，按住鼠标滚轮，往下拖，即可选中当前列；按一下键盘的“END”键，光标即可跳转到字符串尾部，效果如下：
【1 ：该样本数目为1；0 0 ：表示样本起始坐标；500 500 ： 表示样本宽高】
生成neg.txt同理，不过格式稍有不同，最终两个文件的效果如下：
---生成正样本的vec文件---
命令行进入根目录，运行以下代码：
opencv_createsamples -vec pos.vec -info pos.txt -bg neg.txt -w 50 -h 50
出现以下效果，同时在根目录生成pos.vec文件，即为成功：
--- 开始训练 ---
开始训练前，在根目录底下新建一个/data目录，用于存放训练完毕的xml文件，当前根目录效果如下：
运行以下代码，开始训练
opencv_traincascade -data data -vec pos.vec -bg neg.txt -numPos 500 -numNeg 1500 -numStages 15 -featureType LBP -w 50 -h 50 -minHitRate 0.9999 -maxFalseAlarmRate 0.5
相关参数：
-data : 存放xml文件的目录
-vec : 正样本vec文件源
-bg : 负样本路径txt文件
-numPos : 正样本数量
-numNeg : 负样本数量
numStages：训练分类器的级数
-featureType： 默认使用Haar特征，还有LBP和HOG可供选择(HOG为opencv2.4.0版本以上)
-w -h : 样本宽高
-minHitRate ：分类器的每一级希望得到最小检测率(即正样本被判断有效的比例)
-maxFalseAlarmRate：分类器的每一级希望的最大误检率（负样本判定为正样本的概率）
-mode： 选择训练中使用的Haar特征类型。BASIC只使用右上特征，ALL使用所有右上特征及45度旋转特征(使用Haar特征的前提下，否则不使用此参数)
出现以下画面，表示训练顺利进行：
--- 验证效果 ---
迭代玩15次后，在/data目录下生成了一堆xml文件，我们选用cascade.xml
python代码如下：
效果如下：
参考文章：
https://blog.csdn.net/u014587123/article/details/78507649?locationNum=6&fps=1
