使用增强级联的弱分类器包括两个主要阶段：训练和检测阶段。对象检测教程中有描述使用基于 HAAR 或 LBP 模型的检测阶段。这里主要介绍训练增强分类器级联所需的功能，包括：准备训练数据、执行实际模型训练、可视化训练。
目录
一、训练数据准备
1、负样本
2、正样本
3、命令行参数
4、标注工具
二、级联训练
1、通用参数
2、级联参数
3、增强分类器参数
4、Haar-like特征参数
三、可视化级联分类器
一、训练数据准备
为了训练增强的弱分类器级联，需要一组正样本(包含想要检测的实际对象)和一组负样本(包含不想检测的所有内容)。负样本集合必须手动准备，而正样本集是使用 opencv_createsamples 应用程序创建的。
1、负样本
负样本取自任意图像，不包含要检测的对象。这些从中生成样本的图像应该放置于独立的文件中，每行包含一个图像路径。负样本图像也称为背景样本或背景图像。
所描述的图像可能具有不同的大小。但是，每个图像都应该等于或大于所需的训练窗口大小。
目录结构：
/img
img1.jpg
img2.jpg
bg.txt
bg.txt主要是指定图像路径：
img/img1.jpg
img/img2.jpg
2、正样本
正样本由 opencv_createsamples 应用程序创建。增强过程使用它们来定义模型在尝试查找我们感兴趣的对象内容。支持两种生成正样本数据集的方法，建议采用第二种方法。
从单个正样本图像生成一系列正样本图像。
自己提供所有正样本，只使用该工具将它们剪切出来，调整它们的大小并将它们放入 opencv 所需的二进制格式。<