分类器的训练以分为以下三部进行：
1、 样本的创建
2、 训练分类器
3、 利用训练好的分类器进行目标检测。
对检测物体要确定其属性：是否为绝对刚性的物体，也就是检测的目标是一个固定物体，没有变化（如特定公司的商标），这样的物体只要提供一份样本就可以进行训练。
但绝大数时候我们想进行训练的目标是非绝对刚性的物体，如对人的检测，包括人脸识别、手势识别。
样本：分为正样本---------负样本
正样本处理步骤：
所谓所谓正样本就是只包含检测目标的图片（最好背景一致），对于这我个人认为最好是检测目标的最小外接矩，这样可以减少训练的计算量，减少目标检测的干扰，提高检测质量。
1、获取正样本，可以自己动手，也可以通过网络上的图像数据库，像人脸数据库就已经很全了，不必再自己制作。
2、图片处理
1）将正样本图片进行截取（自己收集的图片，主要是去掉训练时的不必要干扰）-----最小外接矩，
2）将处理后的图片进行归一化，将所有图像调整成一致大小，我用的“美图看看”这款软件，批量处理的，注意无论原图多大最好都处理成25*25以下的图像，这样计算机训练速度快，而且不容易出现内存不够用。
3 将归一化后的图像进行灰度处理，这里我用的是一段opencv代码，/linmengran/p/6513094.html
其实最简单的直接将这个代码加上便可实现图像灰度化input_img = cv2.imread('C:\\Users\\Administrator\\Desktop\\shujuxunlian 1\\negdata_2\\Img%d.jpg'%j,cv2.IMREAD_GRAYSCALE)
在处理后变成如下图像
这样正样本就处理好了，接下来要生成pos.txt文件
cmd运行控制台，切换到存放样本图片的文件目录下：输入如下命令（这些在自己电脑和树莓派上都可以操作）
总体上我们的文件是这样的
posdata文件生成的操作大致如此：
新建一个bat文件并重命名为pos.bat，输入上面的指令，生成含每个图片绝对路径的文件txt，然后替换文本如下所示
要注意的是其中绝对路径换成了相对路径，posdata是我们的文件夹名字，1代表处理一张图片，而0,0代表从图像左上角最初始位置进行测试，25,25是我们在美图看看里面处理的图像大小
之后不出错的话我们在cmd命令行进入posdata所在路径，最好将txt和图片放一起，然后在cmd命令行打入以下指令，
opencv_createsamples.exe -vec pos.vec -info posdata.txt -num 100 -w 25-h25（具体大小和数量自己设置）
生成vec文件，这样正样本基本处理完毕。、
负样本：不包含检测目标的任何图片。
1.不要求样本尺寸，但要大于等于正样本的大小；且负样本不能重复，要增大负样本的差异性。
2.负样本灰度化，同正样本操作相同。
就博主个人而言，使用了python的爬虫爬取百度图片的url，由于博主要识别的是垃圾桶的回收标志，所以爬取得负样本是垃圾桶标志大概1000张左右，正负样本在1:2-1:5之间即可。
其实网上的博客都认为彩色图片处理数据过大，但是对于博主这种小型比赛（智能车识别定点图片）小数量的图片恰恰不需要灰度处理emmmm
负样本处理和正样本处理差不多，负样本产生的txt文件直接保存为绝对路径就行，就是执行bat文件以后什么都不用改。
然后文件名命名为negdata.txt后和posdata.txt放在同一目录下。
最后将pos.vec和neg.txt文件拷贝到同一文件夹下。
这样正负样本就处理完了，训练见下篇---：
