OpenCV之_HaarTraining算法剖析 通过前段时间阅读OpenCV的HaarTraining代码，基本掌握了HaarTraining算法。现将其中的算法作一梳理，同时对HaarTraining的使用方法做一简要说明。 HaarTraining算法总体上以Friedman, J. H等人的“Additive Logistic Regression: a Statistical View of Boosting”为出发点，实现了其中2类分类问题的4种Boost算法：Discrete AdaBoost, Real AdaBoost, LogitBoost 和Gentle AdaBoost。同时实现了文中第8节Additive Logistic Trees和第9节Weight Trimming. Friedman, J. H等人只描述了如何训练一个强分类器，对于训练级联的强分类器（Cascade of Classifiers），OpenCV采用的是Paul Viola等人的“Robust Real-Time Face Detection”中所述方法。 HaarTraining采用的是OpenCV扩展的Haar特征，具体描述可参考Rainer Lienhart等人的“An Extended Set of Haar-like Features for Rapid Object Detection”。

本次上传的是OpenCV之HaarTraining算法剖析的完全版,欢迎交流。

使用建好的cascade對影像做辨識 使用方法： performance.exe -data data/cascade -info positives/testing/testing.txt -w 20 -h 20 -rs 30 詳細相關文件總共有，需個別下載 OpenCV_ObjectDetection_HowTo.pdf objectmaker haartraining performance opencv_dll.rar

opencv中可能没有可运行的haartraining.exe

OPENCV2.4.4下的createsamples.exe和haartraining.exe 用来训练Haar特征的分类器

这是一个用在opencv haartraining 生成多个.vec文件的时候，将这些文件合并一个.vec文件的工具

使用opencv训练分类器的exe和dll文件，因为新版本的opencv精简掉了一些东西，导致文件不全

haartraining+objectmarker，opencv，Adaboost级联分类器训练工具包，里面包含所有用来训练opencv里基于haar特征的adaboost级联分类器的工具，可以用来训练人脸检测，车辆检测等对象检测的级联分类器

这里整理了包括opencv_createsamples、opencv_traincascade、opencv_haartraining、opencv_performance等exe文件，自己找不到的可以从这里下载。用于人脸识别、检测等用途的学习，训练分类器等操作。