opencv机器学习——首次尝试，从单张目标真实样本图像生成多张合成样本图像，并检测验证

软件环境：

ubuntu 18.04

opencv 3.4.9

操作步骤：

将相关目录及所需文件创建到opencv自带训练软件目录下

我的opencv3安装目录为：chenlu@chenlupc:~/opencv3/bin

高亮文件及文件夹为训练前需要创建好的：

准备正样本和负样本图片，以及创建对应的描述文本：

创建样本图片：

此处使用根据一张真实样本图片创建大量的合成的样本图片的方法

createsamples工具及参数及默认值

执行合成样本命令：

成功生成100张样本图片！

开始训练：

工具traincascade，参数及默认值

执行训练指令：级联器默认为20层

训练完成！

训练结果保存在xml目录下，cascade.xml为最终模型，各级训练结果及参数都有单独xml保存：

加载上述训练好的模型，使用手机拍摄的ROV视频进行实时目标检测，验证效果（可以预期效果很差，结果没有关系，这篇文章的目的是走通opencv模型训练及检测的整个流程），基于opencv自带的facedetect.cpp修改而来。

默认参数效果：

通过调整detectMultiScale()的若干参数，可以在速度和精度2方面做平衡

修改参数后效果：实时性提高很多，同时误检率大大降低，但是准确率依然很低（是由于训练模型使用的样本数据实在少的可怜）

NEXT STPE?

使用大量的样本来训练一个较好的模型，期待一个90%准确率以上的检测结果。。。