在OpenCV中训练Haar级联目标检测器
内容提要
本文介绍在OpenCV中训练Haar级联目标检测器的方法。由于OpenCV 4的训练工具已损坏，需使用OpenCV 3的opencv_traincascade和opencv_createsamples，建议通过Anaconda创建独立环境。以猫脸检测为例，采用Oxford-IIIT宠物数据集，将狗图作为负样本、猫图及边界框作为正样本，生成info文件并转换为vec文件，再运行训练命令，最终输出cascade.xml，可在OpenCV 4中加载用于检测。
延伸解读
训练工具版本限制与应对
文章指出OpenCV 4的训练工具已损坏且修复未发布，因此必须使用OpenCV 3的opencv_traincascade和opencv_createsamples。由于Python中无法共存OpenCV 3和4，建议通过Anaconda创建独立环境（如cvtrain）来安装OpenCV 3，训练完成后可丢弃该环境，最终模型可在OpenCV 4中加载使用。
正负样本准备的关键细节
以猫脸检测为例，文章将Oxford-IIIT宠物数据集中的狗图作为负样本，猫图及边界框作为正样本。正样本需生成info文件，每行包含文件名、边界框数量及每个框的左上角坐标和宽高；负样本只需文件名列表。随后用opencv_createsamples将info文件转换为vec文件，并指定窗口宽高（如30x30），该尺寸需与训练时一致。
训练参数与性能权衡
训练通过opencv_traincascade进行，需指定-data输出目录、-vec正样本文件、-bg负样本列表、-numPos/-numNeg每阶段样本数、-numStages级联阶段数以及-w/-h窗口尺寸。文章示例使用900正样本、2000负样本、10阶段，训练耗时超过3小时。每阶段需满足minHitRate（默认0.995）和maxFalseAlarmRate（默认0.5），阶段越多检测越慢但误报率越低。
结果评估与改进方向
训练输出cascade.xml，可在OpenCV 4中通过CascadeClassifier加载，并用detectMultiScale检测。文章示例显示猫脸被检出但存在误报。作者指出，训练数据未使用正方形边界框而训练和检测使用正方形窗口，调整数据集可能改善效果；训练命令行参数和detectMultiScale参数也会影响结果，需注意Haar级联速度快但阶段增加会降低速度。
Q&A
为什么训练Haar级联分类器要用OpenCV 3而不是OpenCV 4？
因为OpenCV 4中用于训练Haar级联的命令行工具（opencv_traincascade和opencv_createsamples）已经损坏，且修复尚未提供，所以目前只能使用OpenCV 3来训练。训练完成后保存为XML模型，即可在OpenCV 4中加载使用。
如何为训练Haar级联准备正样本和负样本数据？
负样本只需一个纯文本文件列出所有负样本图片的路径（如狗的照片）。正样本需要生成一个info文件，每行格式为：文件名 边界框数量 x0 y0 w0 h0 ...，其中每个边界框由左上角坐标和宽高组成。然后使用opencv_createsamples工具将info文件转换为二进制vec文件。
opencv_createsamples命令中的-w和-h参数有什么作用？
-w和-h指定了正样本被裁剪并缩放后的宽度和高度（像素），这些尺寸必须与训练时opencv_traincascade命令中指定的-w和-h一致，以确保模型输入窗口大小统一。
训练Haar级联时，-numPos、-numNeg和-numStages分别代表什么？
-numPos是每个阶段使用的正样本数量；-numNeg是每个阶段使用的负样本数量；-numStages是要训练的级联阶段数。这些参数影响训练时间和模型性能，需要根据实际情况调整。
训练完成后如何用生成的cascade.xml进行目标检测？
使用cv2.CascadeClassifier加载cascade.xml，将待检测图像转换为灰度图，然后调用detectMultiScale方法（可设置scaleFactor、minNeighbors、minSize等参数）获取检测框，最后在图像上绘制矩形框即可。
训练一个Haar级联分类器大概需要多长时间？
根据文章示例，训练一个10阶段的猫脸检测器在现代计算机上耗时超过3小时（约3小时25分钟）。训练时间受阶段数、样本数量、图像尺寸等因素影响，阶段越多训练越慢。
