如何提高opencv 人脸识别准确

1首先确保你输入的中包含行人，如果没有，那found为空是自然的事情。 2然后，即使你输入的中包含行人，OpenCV自带的hog+svm检测函数也不一定能够把行人检测出来，毕竟它的训练样本数目也是有限的

一、原始编译环境

Ÿ Windows 7 64位旗舰版

Ÿ OpenCV SVN（v249）

Ÿ x64应用

二、编译修改说明（下载后必须按以下步骤根据你的本机环境调整设置，才能正常编译使用）

1 双击 sln文件打开解决方案

2 在项目属性的“VC++目录”中分别修改OpenCV相关的 include路径和 lib路径；directshow的路径使用了相对路径，不需要修改

3 在“解决方案平台”中选择“win32”或“x64”，分别对应32位系统和64位系统

首先，需要说明的是，OpenCV自带的haar training提取的特征是haar特征 分类器是AdaBoost级联分类器（如需了解Adaboost算法， 。所谓的级联分类器，就是将若干的简单的分量分类器（可以理解为一般的普通分类器）依次串联起来，最终的检测分类结果，要依次通过所有的分量分类器才能算是一个有效的检测分类结果。否则，就认为当前检测区域内没有我们需要找的目标。

利用OpenCV自带的haar training程序训练一个分类器，需要经过以下几个步骤：

（1）收集训练样本：

训练样本包括正样本和负样本。正样本，通俗点说，就是中只有你需要的目标。而负样本的只要其中不含有目标就可以了。但需要说明的是，负样本也并非随便选取的。例如，你需要检测的目标是汽车，那么正样本就应该是仅仅含有汽车的，而负样本显然不能是一些包含天空的，海洋的，风景的。因为你最终训练分类器的目的是检测汽车，而汽车应该出现在马路上。也就是说，分类器最终检测的应该是那些包含马路，交通标志，建筑物，广告牌，汽车，摩托车，三轮车，行人，自行车等在内的。很明显，这里的负样本应该是包含摩托车、三轮车、自行车、行人、路面、灌木丛、花草、交通标志、广告牌等。

另外，需要提醒的是，adaboost方法也是机器学习中的一个经典算法，而机器学习算法的前提条件是，测试样本和训练样本独立同分布。所谓的独立同分布，可以简单理解为：训练样本要和最终的应用场合非常接近或者一致。否则，基于机器学习的算法并不能保证算法的有效性。此外，足够的训练样本（至少得几千张正样本、几千张负样本）也是保证训练算法有效性的一个前提条件。

这里，假设所有的正样本都放在f:/pos文件夹下，所有的负样本都放在f:/neg文件夹下；

（2）对所有的正样本进行尺寸归一化：

上一步收集到的正样本，有很多的尺寸大小，有的是200300，有的是500800尺寸归一化的目的，就是把所有的都缩放到同一大小。比如，都缩放到5060的大小。

（3）生成正样本描述文件：

所谓的正样本描述文件，其实就是一个文本文件，只不过，很多人喜欢将这个文件的后缀改成dat而已。正样本描述文件中的内容包括：文件名 目标个数 目标在中的位置（x,y,width,height）

典型的正样本描述文件如下所示：

0jpg 1 0 0 30 40

1jpg 1 0 0 30 40

2jpg 1 0 0 30 40

不难发现，正样本描述文件中，每一个正样本占一行，每一行以正样本开头，后面紧跟着该中正样本的数量（通常为1），以及正样本在中的位置

假如，f:\pos文件夹下有5000个正样本，每个中仅有一个目标。那么，我们可以写程序（遍历文件夹中的所有文件，将文件名写入到文件中，将正样本在中的位置，大小都写入文件中）生成一个posdat文件作为正样本描述文件。

（4）创建正样本vec文件

由于haarTraining训练的时候需要输入的正样本是vec文件，所以需要使用createsamples程序来将正样本转换为vec文件。

打开OpenCV安装目录下bin文件夹里面的名为createSamples（新版本的OpenCV里面改名为opencv_createSamples）的可执行程序。需要提醒的是，该程序应该通过命令行启动（可以参考我的另一篇博客：>

以上就是关于如何提高opencv 人脸识别准确全部的内容，包括:如何提高opencv 人脸识别准确、如何用OpenCV自带的adaboost程序训练并检测目标、opencv hog detectmultiscale参数怎么调等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！