閒來想完善一下之前做的汽車運動檢測的工程，打算認認真真的將整輛車給識別出來，可是唯一的問題是，我手上沒有足夠的用來做訓練的素材，於是從很流行的人臉識別開始，探求一下機器識別的流程如何。花了一些時間，在此作一下筆記。
一、使用TBB編譯opencv_traincascade.exe
會跳到我這篇博文裏來的童鞋，多是已經參考網上其他的文章，大概的流程估計已經知曉，文檔式的內容我儘量少提。簡單的提一下，視覺識別的過程主要是訓練跟檢測兩項內容，此篇只講訓練。對基本素材的訓練需要運用到opencv的兩個自帶的程序：opencv_createsamples.exe跟opencv_traincascade.exe（opencv_haartraining.exe據說是已經落後的東西就略過）。前者是用來用來準備訓練用的正樣本數據和測試數據，後者則是用來作訓練用的，其具體介紹請自行google，我之所以要重新編譯opencv_traincascade.exe，是因爲opencv自帶的程序不支持多核心運算，在跑了一個晚上後我堅決用TBB來重新編譯，好讓它支持cpu的多核性能。
使用TBB來編譯opencv請參考這裏，這篇文章的內容其實說得挺清楚的，但會有漏講一些東西，像最後使用visual studio重新編譯的時候會提示少了一些TBB的lib跟opencv的lib，少TBB的lib只需要在工程屬性裏添加庫包含目錄，少opencv的lib，則需要將提示缺少的lib全部拷貝一下就行（你實際操作的時候會清楚我說什麼的啦）。然後你就可以在新編譯出來的工程bin目錄下看到支持TBB的opencv_traincascade.exe，我個人用的是VS2013編譯的x64版本，我將其打包放到這裏，可以提供給朋友們作訓練測試。
其實效果挺明顯，自帶的opencv_traincascade作訓練，程序的cpu佔用率就25%，用我新編譯的程序用訓練cpu就暴到85%左右，今天用了一個半小時就訓練完跑了之前要大半天的程序。（只是現在卡在stage 9那裏，cpu佔用率回到25%，程序到底有沒有正常運行我很懷疑，但我用了7000張的圖片，訓練需要一定的耗時，也可能執行到不支持多核運算的步驟，跑到明天再見分曉吧。）
二、準備訓練素材
（1）準備正負樣本的圖片素材
這是一個最重要的步驟，也是最痛苦的步驟，原來這世上是有這類東西的數據庫的，經過幾層跳轉，我down到某個人臉識別的數據庫（其原始鏈接我找不回來），正負樣本共約7000的圖片，因爲ACDSee無法識別其格式，我又折騰地用PS批量轉成了bmp格式，我放到這裏供大家下載（見過這麼用心的博主沒？看過此文的人請多手點個贊吧。）什麼叫正負樣本？請自己google吧。
（2）編寫正負樣本描述文件
爲方便管理，在C盤根目錄下建一個文件夾(希望SSD會有點用)，名爲CvFile，將有正負樣本的圖片文件夾（分別叫face_bmp_2429、nonface_bmp_4548）放到裏邊去。在CvFile目錄下新建個txt文件，起名叫face_2429_info.txt，如下面這麼填內容：
//圖片路徑 數量 有效內容矩形信息 face_bmp_2429\face00001.bmp 1 0 0 19 19 face_bmp_2429\face00002.bmp 1 0 0 19 19 face_bmp_2429\face00003.bmp 1 0 0 19 19 face_bmp_2429\face00004.bmp 1 0 0 19 19 face_bmp_2429\face00005.bmp 1 0 0 19 19 ...
內容可以用絕對路徑的，爲方便起見，要統一正樣本的尺寸，“19 19”是圖片的尺寸信息，這個很重要，這兩個數據整個訓練過程都要一致的。如果有人用自定義的素材，生成這個文本描述文件可以用命令行，也可以自己編代碼來生成，請各自便（我是自己寫了個程序，有需要的朋友問我要）。
負樣本的描述文件就簡單多了，同樣新建一個叫non_face_4548_info.txt的文本文檔，像以下這樣編寫就行，只需要寫清楚路徑就可以了。
//圖片路徑 nonface_bmp_4548\nonface0001.bmp nonface_bmp_4548\nonface0002.bmp nonface_bmp_4548\nonface0003.bmp nonface_bmp_4548\nonface0004.bmp nonface_bmp_4548\nonface0005.bmp nonface_bmp_4548\nonface0006.bmp ...
一開始，我沒找到樣例，結果負樣本的描述文件跟正樣本弄成一樣的，給果在訓練時程序會提示“無效的背景描述文檔（本是en文，忘了拼寫）”，所以理論上負樣本是不管圖片大小的，只要滿足“不包括目標物體的內容”這唯一條件即可。
（3）創建樣本VEC文件
vec文件主要用於作訓練用的，這是很關鍵的一個步驟，首先我們要找到opencv_createsample.exe這個程序，爲省去麻煩，我是將opencv\build\x64\vc12\bin裏的全部內容拷貝到CvFile文件夾裏的，裏面有opencv_createsample.exe這個文件。
使用命令行工具，定位到CvFile，啓動opencv_createsample.exe，如下圖輸入命令:
opencv_createsamples.exe -vec pos.vec -info face_2429_info.txt -bg non_face_4548_info.txt -num 2429 -w 19 -h 19
成功運行會有如下圖的提示：
命令的參數意義還是自己去查吧，關鍵的地方是-w -h兩個參數須與正樣本圖片一致，CvFile文件下會生成一個pos.vec的文件，這就是接下來訓練用的vec文件，那素材的準備就大功告成了。至於爲什麼我不用bat文件來啓動程序，那是因爲我沒法爲你們截圖啊。
三、訓練
好了，最讓人關心的訓練開始啦。先在CvFile新建一個文件夾mydata，這個是用來放cascade結果跟中間文件用的，網上很多教程沒提這個事，否則會造成訓練失敗的。
同樣使用cmd寫下啓動opencv_traincascade.exe程序的命令如下：
opencv_traincascade.exe -data mydata -vec pos.vec -bg non_face_4548_info.txt -numPos 2000 -numNeg 4000 -numStages 20 -featureType HAAR -w 19 -h 19 -mode ALL
需要注意幾個參數，mydata就是上面新建的結果文件夾；-numPos及-numNeg的數值要比實際的樣本數略小；-featureType有HAAR及LBP兩種（HAAR - 類Haar特徵； LBP - 局部紋理模式特徵），前者是默認的，其區別請google，如果你想盡快看到訓練結果可以將其設爲LBP，其運行是相當快速的；-w -h參數則如我一直強調的，要通篇一致。正常運行如下圖所示：
然後，就沒有然後了，你就慢慢等訓練結果出來吧，你可以查看mydata文件夾下的裏的內容，等訓練結束會存在cascade.xml的文件——這纔是我們最終需要在檢測用到的東西。個人太貪心，樣本太多，stage數太多，現在一直卡在9-stage下，等出了結果我再寫檢測篇吧。