OpenCV训练自己的物体检测分类器步骤_opencv_traincascade

环境：python3.7  OpenCV3.4.3.18

工具：

opencv_annotation.exe

opencv_createsamples.exe

opencv_traincascade.exe

环境和工具下载安装

OpenCV库在cmd下终端命令
 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-contrib-python==3.4.3.18
包括了OpenCV主要模块以及OpenCV贡献库
工具在GitHub上下载
https://github.com/opencv/opencv/releases?after=3.4.3

安装OpenCV后在以下目录

一、准备阶段

 文件模板

 positive_images放置正样本图片、negative_image放置负样本图片、xml为训练好的分类器文件

样本收集

正样本：我们想要正确分类出的类别所对应的样本，例如，我们要对一张图片进行分类，以确定其是否属于菠萝，那么在训练的时候，菠萝的图片则为正样本。

负样本：不是我们想要的分类对应的样本，就是除了菠萝的图片

样本数据越多检测效果越好，正样本的特征越明显越好，负样本背景越复杂越好。

1、去www.kaggle.com下载想要的数据集或者使用scrapy+selenium批量爬取图片

2、自己拍摄想要检测物体的图片

二、预处理

图像的注水处理：通过自动对图像的旋转、平移、缩放从而增加样本数量

比如：通过旋转

"path是图片路径，执行后，会在同一目录下生成11张依次旋转30度的图片"
def spin(path):   
    retval=cv2.imread(path)
    he,we=retval.shape[:2]
    for x in range(1,12):
        M=cv2.getRotationMatrix2D(center=(we/2,he/2),angle=x*30,scale=1)
        M=cv2.warpAffine(retval,M,(we,he))
        new_path=path[:-3]+'-spin'+str(x)+'.jpg'
        #print(new_path)
        cv2.imwrite(new_path,M)

 调节亮度：

"path是图片路径，执行后会在同一目录下生成五张亮度依次递增的图片"
def light(path):
    retval=cv2.i