【原】训练自己的haar-like特征分类器并识别物体（3）

在前两篇文章中，我介绍了《训练自己的haar-like特征分类器并识别物体》的前三个步骤：

1.准备训练样本图片，包括正例及反例样本

2.生成样本描述文件

3.训练样本

4.目标识别

==============

本文将着重说明最后一个阶段——目标识别，也即利用前面训练出来的分类器文件(.xml文件)对图片中的物体进行识别，并在图中框出在该物体。由于逻辑比较简单，这里直接上代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

int _tmain(int argc, _TCHAR* argv[]) {     char *cascade_name = CASCADE_HEAD_MY; //上文最终生成的xml文件命名为"CASCADE_HEAD_MY.xml"     cascade = (CvHaarClassifierCascade*)cvLoad( cascade_name, 0, 0, 0 ); //加载xml文件       if( !cascade )     {         fprintf( stderr, "ERROR: Could not load classifier cascade\n" );         system("pause");         return -1;     }     storage = cvCreateMemStorage(0);     cvNamedWindow( "face", 1 );       const char* filename = "(12).bmp";     IplImage* image = cvLoadImage( filename, 1 );       if( image )     {         detect_and_draw( image ); //函数见下方         cvWaitKey(0);         cvReleaseImage( &image );       }     cvDestroyWindow("result");     return 0; }

detect_and_draw

===================================

其实上面的代码可以运用于大部分模式识别问题，无论是自己生成的xml文件还是opencv自带的xml文件。在opencv的工程目录opencv\data文件夹下有大量的xml文件，这些都是opencv开源项目中的程序员们自己训练出来的。然而，效果一般不会合你预期，所以才有了本系列文章。天下没有免费的午餐，想要获得更高的查准率与查全率，不付出点努力是不行的！