Python3+OpenCV学习笔记（五）：鸟类检测模型的训练

最近各种事情耽搁，OpenCV的学习也没有进展。

因为项目需求，所以自己做了这样一个基于Haar特征级联分类器的鸟类检测模型，记录下来。

OpenCV官方文档中有一个Haar级联分类器做的人脸检测例程，自行参阅文档。

做一个鸟类检测模型首先需要训练出一个识别用的.xml文件，下面就开始进行训练。

一、准备样本集

样本集需要正样本集和负样本集。

正样本集：正样本集为包含“鸟类”的灰度图，一般大于等于2000张，尺寸不能太大（20*40），尺寸太大会导致训练时间过长。

负样本集：负样本集为不含“鸟类”的任何图片，一般大于等于5000张，尺寸比正样本集稍大（60*60）。

由于项目要求不高，所有的样本集都是我自己在网上找的图片，然后用python脚本对尺寸进行了调整，全部为灰度图。

左边是正样本集（40*40），右边是负样本集（100*100）。PS：由于自己做的样本集数量不大，所有尺寸稍大

二、准备文件夹

将正负样本集分别放入pos和neg文件夹，存放在路径D:\Anaconda\pkgs\opencv-3.3.0-py35_200\Library\bin（PS：个人的安装环境不同，路径有差异）。

在该路径下新建xml文件夹。