从零开始训练 OpenCV Haar 级联分类器：猫脸检测实战指南

最新推荐文章于 2026-07-27 13:04:44 发布

原创最新推荐文章于 2026-07-27 13:04:44 发布 · 903 阅读

13 ·

本内容遵循CC 4.0 BY-SA版权协议

原创文章，禁止转载，否则保留追究法律责任的权利。

GEO检测

收录于

AI技术前沿

【精选优质专栏推荐】

《AI 技术前沿》 —— 紧跟 AI 最新趋势与应用
《网络安全新手快速入门(附漏洞挖掘案例)》 —— 零基础安全入门必看
《BurpSuite 入门教程(附实战图文)》 —— 渗透测试必备工具详解
《网安渗透工具使用教程(全)》 —— 一站式工具手册
《CTF 新手入门实战教程》 —— 从题目讲解到实战技巧
《前后端项目开发(新手必知必会)》 —— 实战驱动快速上手

每个专栏均配有案例与图文讲解，循序渐进，适合新手与进阶学习者，欢迎订阅。

文章目录

在这里插入图片描述

使用 OpenCV 中的 Haar 级联分类器很简单。你只需提供一个 XML 文件中的训练模型即可创建分类器。然而，从零开始训练一个分类器并不是那么直接。在本教程中，你将看到训练过程应该是怎样的。具体来说，你将学习到：

在 OpenCV 中训练 Haar 级联的工具是什么
如何准备训练数据
如何执行训练

本文分为五个部分：

OpenCV 中训练级联分类器的问题
环境设置
级联分类器训练概述
准备训练数据
训练 Haar 级联分类器

OpenCV 中训练级联分类器的问题

OpenCV 已经存在多年，并有多个版本。在撰写本文时，OpenCV 5 正在开发中，推荐使用 OpenCV 4，确切来说是 4.8.0 版本。

OpenCV 3 与 OpenCV 4 之间进行了大量清理工作，最显著的是大量代码被重写。改动非常大，很多函数都发生了变化，其中包括用于训练 Haar 级联分类器的工具。

级联分类器不是像 SVM 那样可以轻松训练的简单模型。它是一个使用 AdaBoost 的集成模型。因此，训练涉及多个步骤。OpenCV 3 提供了命令行工具来帮助完成此类训练，但该工具在 OpenCV 4 中已经损坏，尚未有修复方法。

因此，只能使用 OpenCV 3 来训练 Haar 级联分类器。幸运的是，训练完成后你可以弃用它，并在保存模型为 XML 文件后回到 OpenCV 4。本教程就是按这种方式进行的。

在 Python 中，OpenCV 3 和 OpenCV 4 不能共存。因此，建议为训练创建一个单独的环境。在 Python 中，可以使用 venv 模块创建虚拟环境，即创建一套独立的已安装模块。其他方案是使用 Anaconda 或 Pyenv，它们的架构不同但理念相同。在这些方案中，Anaconda 环境是最便捷的选择。

环境设置

如果使用 Anaconda，会更简单。可以使用以下命令创建并使用一个新环境，命名为 cvtrain：

conda create -n cvtrain python 'opencv>=3,<4'
conda activate cvtrain

如果命令 opencv_traincascade 可用，则说明环境准备就绪：

$ opencv_traincascade
Usage: opencv_traincascade
  -data <cascade_dir_name>
  -vec <vec_file_name>
  -bg <background_file_name>
  [-numPos <number_of_positive_samples = 2000>]
  [-numNeg <number_of_negative_samples = 1000>]
  [-numStages <number_of_stages = 20>]
  [-precalcValBufSize <precalculated_vals_buffer_size_in_Mb = 1024>]
  [-precalcIdxBufSize <precalculated_idxs_buffer_size_in_Mb = 1024>]
  [-baseFormatSave]
  [-numThreads <max_number_of_threads = 16>]
  [-acceptanceRatioBreakValue <value> = -1>]
--cascadeParams--
  [-stageType <BOOST(default)>]
  [-featureType <{HAAR(default), LBP, HOG}>]
  [-w <sampleWidth = 24>]
  [-h <sampleHeight = 24>]
--boostParams--
  [-bt <{DAB, RAB, LB, GAB(default)}>]
  [-minHitRate <min_hit_rate> = 0.995>]
  [-maxFalseAlarmRate <max_false_alarm_rate = 0.5>]
  [-weightTrimRate <weight_trim_rate = 0.95>]
  [-maxDepth <max_depth_of_weak_tree = 1>]
  [-maxWeakCount <max_weak_tree_count = 100>]
--haarFeatureParams--
  [-mode <BASIC(default) | CORE | ALL
--lbpFeatureParams--
--HOGFeatureParams--

如果使用 pyenv 或 venv，需要更多步骤。首先，创建环境并安装 OpenCV（注意与 Anaconda 的包名不同）：

# 创建环境并安装 OpenCV 3
pyenv virtualenv 3.11 cvtrain
pyenv activate cvtrain
pip install 'opencv-python>=3,<4'

这允许你使用 OpenCV 运行 Python 程序，但没有训练的命令行工具。要获取这些工具，需要从源码编译：

1.下载 OpenCV 源码并切换到 3.4 分支：

git clone https://github.com/opencv/opencv
cd opencv
git checkout 3.4
cd ..

mkdir build
cd build

3.使用 cmake 准备构建目录，并指向 OpenCV 仓库：

cmake ../opencv

4.编译（可能需要先安装开发库）：

make
ls bin

所需工具会在 bin/ 目录下。命令行工具包括 opencv_traincascade 和 opencv_createsamples。本文后续假设这些工具可用。

级联分类器训练概述

你将使用 OpenCV 工具训练一个级联分类器。该分类器是一个使用 AdaBoost 的集成模型。简单来说，会创建多个弱分类器，每个单独分类能力较弱，但组合后可以成为精度和召回率都较高的强分类器。

每个弱分类器都是二分类器。训练时，需要正样本和负样本。负样本很容易：提供一些随机图片，让 OpenCV 选择矩形区域（最好图片中没有目标对象）。正样本需要提供图像及其对象所在的边界框，使对象正好位于框内。

提供数据集后，OpenCV 会从正负样本中提取 Haar 特征并用它们训练多个分类器。Haar 特征来源于将样本划分为矩形区域，划分方式带有一定随机性，因此 OpenCV 需要时间找到最佳划分方式以提取 Haar 特征。

在 OpenCV 中，只需提供图像文件格式的训练数据（如 JPEG 或 PNG）。负样本只需一个包含文件名的文本文件。正样本需要“信息文件”，即包含文件名、图像中对象数量及对应边界框的纯文本文件。

正样本应为二进制格式。OpenCV 提供 opencv_createsamples 工具将“信息文件”生成二进制格式。然后，将正样本与负样本一起提供给 opencv_traincascade 工具进行训练，并生成 XML 文件格式的模型，这就是可以加载到 OpenCV Haar 级联分类器的文件。

准备训练数据

以创建猫脸检测器为例。训练此检测器前，需要数据集。可使用 Oxford-IIIT Pet Dataset：

https://www.robots.ox.ac.uk/~vgg/data/pets/

这是一个 800MB 的数据集，对于计算机视觉数据集来说算小。图片采用 Pascal VOC 格式标注，每张图片有对应的 XML 文件，例如：

<?xml version="1.0"?>
<annotation>
  <folder>OXIIIT</folder>
  <filename>Abyssinian_100.jpg</filename>
  <source>
    <database>OXFORD-IIIT Pet Dataset</database>
    <annotation>OXIIIT</annotation>
    <image>flickr</image>
  </source>
  <size>
    <width>394</width>
    <height>500</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>cat</name>
    <pose>Frontal</pose>
    <truncated>0</truncated>
    <occluded>0</occluded>
    <bndbox>
      <xmin>151</xmin>
      <ymin>71</ymin>
      <xmax>335</xmax>
      <ymax>267</ymax>
    </bndbox>
    <difficult>0</difficult>
  </object>
</annotation>

XML 文件说明了图片文件名（示例中为 Abyssinian_100.jpg）及其中对象，边界框在 <bndbox></bndbox> 标签内。

提取 XML 文件中的边界框可使用以下函数：

import xml.etree.ElementTree as ET

def read_voc_xml(xmlfile: str) -> dict:
    root = ET.parse(xmlfile).getroot()
    boxes = {"filename": root.find("filename").text,
             "objects": []}
    for box in root.iter('object'):
        bb = box.find('bndbox')
        obj = {
            "name": box.find('name').text,
            "xmin": int(bb.find("xmin").text),
            "ymin": int(bb.find("ymin").text),
            "xmax": int(bb.find("xmax").text),
            "ymax": int(bb.find("ymax").text),
        }
        boxes["objects"].append(obj)

    return boxes

函数返回的字典示例：

{'filename': 'yorkshire_terrier_160.jpg',
 'objects': [{'name': 'dog', 'xmax': 290, 'xmin': 97, 'ymax': 245, 'ymin': 18}]}

有了这些数据，可以轻松创建训练数据集：Oxford-IIIT Pet 数据集中照片为猫或狗，可将狗照片作为负样本，猫照片作为正样本并设置合适的边界框。

OpenCV 对正样本的“信息文件”要求为纯文本，每行格式如下：

filename N x0 y0 w0 h0 x1 y1 w1 h1 ...

文件名后面的数字 N 表示该图像中边界框的数量，每个边界框是一个正样本。随后依次为每个边界框的像素坐标（左上角）及宽度和高度。为了 Haar 级联分类器效果最佳，边界框应与模型预期的纵横比一致。

假设你下载的 Pet 数据集位于 dataset/ 目录下，文件组织如下：

dataset
|-- annotations
|   |-- README
|   |-- list.txt
|   |-- test.txt
|   |-- trainval.txt
|   |-- trimaps
|   |   |-- Abyssinian_1.png
|   |   |-- Abyssinian_10.png
|   |   ...
|   |   |-- yorkshire_terrier_98.png
|   |   `-- yorkshire_terrier_99.png
|   `-- xmls
|       |-- Abyssinian_1.xml
|       |-- Abyssinian_10.xml
|       ...
|       |-- yorkshire_terrier_189.xml
|       `-- yorkshire_terrier_190.xml
`-- images
    |-- Abyssinian_1.jpg
    |-- Abyssinian_10.jpg
    ...
    |-- yorkshire_terrier_98.jpg
    `-- yorkshire_terrier_99.jpg

有了这些文件，可以轻松创建正样本的“信息文件”和负样本文件列表，使用如下程序：

import pathlib
import xml.etree.ElementTree as ET
import numpy as np

def read_voc_xml(xmlfile: str) -> dict:
    """读取 Pascal VOC XML 并返回 (filename, 对象名称, 边界框)
    边界框是 (xmin, ymin, xmax, ymax) 向量，像素坐标为 1 起始。
    """
    root = ET.parse(xmlfile).getroot()
    boxes = {"filename": root.find("filename").text,
             "objects": []}
    for box in root.iter('object'):
        bb = box.find('bndbox')
        obj = {
            "name": box.find('name').text,
            "xmin": int(bb.find("xmin").text),
            "ymin": int(bb.find("ymin").text),
            "xmax": int(bb.find("xmax").text),
            "ymax": int(bb.find("ymax").text),
        }
        boxes["objects"].append(obj)
    return boxes

# 读取 Pascal VOC 并写入数据
base_path = pathlib.Path("dataset")
img_src = base_path / "images"
ann_src = base_path / "annotations" / "xmls"

negative = []
positive = []

for xmlfile in ann_src.glob("*.xml"):
    ann = read_voc_xml(str(xmlfile))
    if ann['objects'][0]['name'] == 'dog':
        negative.append(str(img_src / ann['filename']))
    else:
        bbox = []
        for obj in ann['objects']:
            x = obj['xmin']
            y = obj['ymin']
            w = obj['xmax'] - obj['xmin']
            h = obj['ymax'] - obj['ymin']
            bbox.append(f"{x} {y} {w} {h}")
        line = f"{str(img_src/ann['filename'])} {len(bbox)} {' '.join(bbox)}"
        positive.append(line)

# 写入 `negative.dat` 和 `positive.dat`
with open("negative.dat", "w") as fp:
    fp.write("\n".join(negative))

with open("positive.dat", "w") as fp:
    fp.write("\n".join(positive))

该程序扫描数据集中的所有 XML 文件，提取猫照片的边界框。negative 列表保存狗照片路径，positive 列表保存猫照片路径及边界框，每行一条记录。循环完成后，将这两个列表写入磁盘，分别生成 negative.dat 和 positive.dat。

negative.dat 内容简单，positive.dat 示例：

dataset/images/Siamese_102.jpg 1 154 92 194 176
dataset/images/Bengal_152.jpg 1 84 8 187 201
dataset/images/Abyssinian_195.jpg 1 8 6 109 115
dataset/images/Russian_Blue_135.jpg 1 228 90 103 117
dataset/images/Persian_122.jpg 1 60 16 230 228

在运行训练前，需要将 positive.dat 转换为二进制格式，命令如下：

opencv_createsamples -info positive.dat -vec positive.vec -w 30 -h 30

该命令应在 positive.dat 同目录下运行，以便找到数据集图片。输出为 positive.vec 文件，也称“vec 文件”。-w 和 -h 参数指定窗口宽高，用于将边界框裁剪的图像调整为此尺寸，训练时也需保持一致。

训练 Haar 级联分类器

训练分类器需要时间，分多个阶段进行。每个阶段会写入中间文件，完成所有阶段后，训练好的模型会保存为 XML 文件。OpenCV 要求将所有生成文件存放在一个目录中。

训练过程很直接。创建一个新目录 cat_detect 存放生成文件：

mkdir cat_detect
opencv_traincascade -data cat_detect -vec positive.vec -bg negative.dat -numPos 900 -numNeg 2000 -numStages 10 -w 30 -h 30

注意使用 positive.vec 作为正样本，negative.dat 作为负样本，-w 和 -h 与之前 opencv_createsamples 命令一致。其他参数说明：

-data <dirname>：训练好的分类器存放目录，需事先创建
-vec <filename>：正样本 vec 文件
-bg <filename>：负样本列表，也称背景图像
-numPos <N>：每阶段训练使用的正样本数量
-numNeg <N>：每阶段训练使用的负样本数量
-numStages <N>：训练的级联阶段数
-w <width> 和 -h <height>：对象像素尺寸，需与创建训练样本时一致
-minHitRate <rate>：每阶段期望的最小真实率
-maxFalseAlarmRate <rate>：每阶段期望的最大误报率
-maxDepth <N>：弱分类树最大深度
-maxWeakCount <N>：每阶段弱分类树最大数量

训练期间输出示例：

$ opencv_traincascade -data cat_detect -vec positive.vec -bg negative.dat -numPos 900 -numNeg 2000 -numStages 10 -w 30 -h 30
PARAMETERS:
cascadeDirName: cat_detect
vecFileName: positive.vec
bgFileName: negative.dat
numPos: 900
numNeg: 2000
numStages: 10
precalcValBufSize[Mb] : 1024
precalcIdxBufSize[Mb] : 1024
acceptanceRatioBreakValue : -1
stageType: BOOST
featureType: HAAR
sampleWidth: 30
sampleHeight: 30
boostType: GAB
minHitRate: 0.995
maxFalseAlarmRate: 0.5
weightTrimRate: 0.95
maxDepth: 1
maxWeakCount: 100
mode: BASIC
Number of unique features given windowSize [30,30] : 394725
...

训练阶段编号从 0 到 N-1，每阶段可能训练时间不同。每阶段会打印表格，包括特征编号 N、命中率 HR（真阳性率）、误报率 FA（假阳性率）。训练时，每阶段会找到大量 Haar 特征，以确保命中率 ≥ 0.995，误报率 ≤ 0.5。理论上，n 阶段的整体命中率约为 pⁿ，整体误报率约为 qⁿ。

在现代电脑上，训练命令完成约需 3 小时，输出文件名为 cascade.xml。可使用以下示例代码验证结果：

import cv2

image = 'dataset/images/Abyssinian_88.jpg'
model = 'cat_detect/cascade.xml'

classifier = cv2.CascadeClassifier(model)
img = cv2.imread(image)

# 转为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对象检测
objects = classifier.detectMultiScale(gray,
                                      scaleFactor=1.1, minNeighbors=5,
                                      minSize=(30, 30))

# 绘制矩形框
for (x, y, w, h) in objects:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)

# 显示结果
cv2.imshow('Object Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

检测结果取决于训练模型的效果，以及传入 detectMultiScale() 的参数。

上面的代码会在数据集中的一张图像上运行检测器，你可能会看到如下结果：

在这里插入图片描述

你会看到一些误报，但猫的脸已经被检测出来。有多种方法可以提高检测质量。例如，上面使用的训练数据集并未使用正方形边界框，而你在训练和检测时使用了正方形。调整数据集可能会有所改善。同样，训练命令行中使用的其他参数也会影响结果。然而，你需要注意，Haar 级联检测器虽然非常快速，但使用的阶段越多，速度就会越慢。

总结

Haar 级联分类器训练的流程包括准备正负样本，将正样本整理为信息文件并转换为二进制 .vec 文件，然后使用 opencv_traincascade 进行多阶段训练，每个阶段生成中间文件并提取 Haar 特征，最终保存为 XML 模型文件。训练完成后可以用 CascadeClassifier 对图像进行检测，检测效果受训练数据、窗口大小和训练参数影响。通过调整数据集和训练参数，可以提高检测准确率，但增加阶段会降低检测速度。

标签

#opencv #人工智能 #计算机视觉 #Python #目标检测