目錄結構
E:\Adaboost\
---------positive\ //正樣本文件夾
---------pimages\ //正樣本圖片所在文件夾
---------pos.dat //正樣本集描述文件
---------pos.vec //正樣本特徵集描述文件
---------nagative\ //負樣本文件夾
---------pimages\ //負樣本圖片所在文件夾
---------nag.dat //正樣本集描述文件正樣本
1 收集樣本
找617張帶有車牌的圖片，一開始設置大小 200*200 左右，報內存錯誤。
後來重做，即將617張圖片中的車牌用畫圖軟件截取下來，重新設置大小爲60*17，並保存爲bmp文件。
我這人比較懶，617張車牌的照片？其實還是不容易找的。我是這樣做的：
1.1 先收集類似圖片
運用 網頁圖片保存能手 這個軟件批量下載圖片（這個軟件找的好辛苦，試過其它的有的收費有的基本不能用）我在百度圖片搜的關鍵詞有 “車牌” “車牌號” “蘇州車牌” “江蘇車牌” 等等，獲取了近7000張的圖片
1.2 利用以前寫的小軟件截取車牌
運用自己以前寫的小程序：車牌圖片截取軟件（運用opencv基於紋理檢測車牌，由於效果不太好，姑且用來爲adboost提供輔助收集車牌圖片），設置好樣本圖片所在的輸入路徑，在設置好車牌輸出路徑，運行即可得到 60*17 大小的bmp圖片
下載地址： http://download.csdn.net/detail/mkr127/5374301
PS由於效果不怎麼好嗎，所以在出來的圖片中你得刪掉無用的圖片，於是，幾千張的圖片我只收集到了617張車牌圖片，哈哈，很麻煩的。
BUG這個小軟件有bug，我懶得改，即圖片太大如5400*2700有時會出錯，還有每次運行的圖片不要太多，不然會出錯，將圖片 2000張一組就沒有問題。
當然，如果你不喜歡，可以自己手動截取。
1.3 將得到的617張正樣本圖片放在E:\Adaboost\positive\pimages\文件夾中
1.4 負樣本圖片
即不包含車牌的圖片，我收集了幾千張，用matlab 批量格式化爲 200*200大小的bmp圖片，放在E:\Adaboost\nagative\pimages\文件夾內
2 創建正負樣本描述文件
2.1 正樣本描述文件
cd E:\Adaboost\positive
dir pimages /b > pos.dat
a: 將jpg 替換爲 jpg 1 0 0 60 17
b: 選擇所有，tab鍵，將tab 替換爲圖片所在路徑
得:
2.1 負樣本描述文件
cd E:\Adaboost\nagative
dir pimages /b > nag.dat
選擇所有，tab鍵，將tab 替換爲圖片所在路徑
得
3 設置環境變量
添加Opencv庫中opencv_createsamples的環境變量，以便於在cmd中執行，在path中最後添加 ;C:\OpenCV\opencv\install\bin
4 創建正樣本特徵集描述文件
打開cmd，進入positive所在文件夾
cd E:\Adaboost\positive
opencv_createsamples -vec pos.vec -info pos.dat -num 617 -w 60 -h 17
//-num 正樣本數量 -w圖像寬 -h高
如下圖所示
在E:\Adaboost\positive下生成pos.vec文件，即正樣本特徵集描述文件。
5 開始訓練
cd E:\Adaboost\nagative
opencv_haartraining -data trainout -vec e:\Adaboost\positive\pos.vec -bg nag.dat -npos 317 -nneg 300 -mem 40000 -mode ALL -w 60 -h 17
//-mem分配的內存大小 -w正樣本寬 -h正樣本高
//-npos正樣本數量，-nneg 負樣本數量，至於爲什麼是這個值，最後將有分析。
6 遇到的錯誤
6.1 內存不夠的錯誤
那是因爲正樣本圖片太大了，我改爲60*17就正常了
6.2 OpenCV Error: Assertion failed (elements_read == 1)
原因：-nneg -npos 參數出錯參考：
http://bbs.csdn.net/topics/390388465
http://askbot.alekcac.webfactional.com/question/3085/why-always-opencv-error-assertion-failed-elements_read-1-in-unknown-function/
我英文不太好 - -!初步分析認爲：
假如我有正樣本總數 617 ，npos(正樣本參數設置的大小，待定);負樣本數 nneg 待定(我原有3000張左右), nstages 12
617 >= npos + (12-1)*0.001*npos +nneg
那麼假如分配 nneg=300，則npos<= (617-300)/1.011 = 317
6.3 再次測試
opencv_haartraining -data trainout -vec e:\Adaboost\positive\pos.vec -bg nag.dat -npos 317 -nneg 300 -mem 40000 -mode ALL -w 60 -h 17問題搞定，我沒有設置-nstages=12 也沒錯，額，待進一步研究。
結果
跑到第四層的時候，跑了一天兩夜，仍然是第4階！哥不淡定了，查查估計是死循環了，網上說適當增加負樣本，
那麼我在控制檯中 Ctrl + C， 注意，是可以斷開的，以前我一直不敢...原來在執行訓練的話會自動加載 以前訓練的級，估計這就是級聯吧，都是自己摸索的，純粹的供大家參考，有不到之處盡請諒解。
我將負樣本增至600
opencv_haartraining -data trainout -vec e:\Adaboost\positive\pos.vec -bg nag.dat -npos 317 -nneg 600-mem 40000 -mode ALL -w 60 -h 17這時候在很短的時間內跑到了第10階。進一步探究中。
接上
請注意，要確保 nag.dat 裏面的數據大於600行，因爲上一步執行到第10層時停止不動了
就停在這裏，於是我找到 nag.dat(負樣本描述文件)發現裏面的數據只有300行，怪不得，於是我追加打到1269行，此時我再執行
E:\Adaboost\nagative>opencv_haartraining -data trainout -vec e:\Adaboost\positive\pos.vec -bg nag.dat -npos 317 -nneg 900 -mem 40000 -mode ALL -w 60 -h 17
繼續向下訓練
截圖爲證
報一下我的數據，pos.dat =617行, pimages =617張 , nag.dat= 1269行 , nimages= 1269張
trainout 訓練到第十層
繼續向下探索，由於我對着個完全沒有經驗，如果大家覺得太過幼稚簡單，可以移步，呵呵，純當給像我這樣的一無所知之人一個借鑑。
僅此而已。
訓練結束
得到 分類器：
這時我在增大負樣本數到1269 發現到13級就訓練結束了，和負樣本數爲900的沒有區別，並且 E:\Adaboost\nagative\trainout.xml 自動更新覆蓋爲最新版，這下我就不用擔心以前的成果白費了，當然，最好做個備份，E:\Adaboost\nagative\trainout 這裏面的數據不要刪，以後增加正負樣本的數量的話我估計會自動累加，呵呵。
接下來開始測試：利用之前寫的人臉檢測代碼，將分類器改成我們測試的分類器，一切就容易起來！
實驗的結果還是挺差的，估計是樣本太少了，我的正樣本才600多，專業的最少都7-8000，也有可能是我的正樣本圖截的不好，用軟件截的，沒有手工的準確，再者就是網上的圖片不行，真正好的樣本還是比較少的。
測試結果：
接下來就是增加樣本數量，最後還不好的話，就增大樣本質量，哈哈！
如果以後有經歷，就寫個MFC通用的提取分類器的小程序，用來測試分類器的性能。
本人寫的通用小項目下載地址：可以提取分類器進行檢測，大家必須配置好OpenCV環境和在源碼中設置好分類器的路徑。
http://download.csdn.net/detail/mkr127/5397219
項目用到的正樣本訓練庫，額，分有點高，畢竟是本人從幾千張圖片中一張一張篩選出來的...算是我的辛苦費吧，勿噴我......
http://download.csdn.net/detail/mkr127/5418861
60-17像素bmp車牌 共617張。
7 參考文章
基於Adaboost算法的車牌檢測在OpenCV上的研究與實現.pdf
作者：鄧育林
http://wenku.baidu.com/view/5a3f464433687e21af45a971.html轉載請註明出處！
