分類器學習所需檔案如下：

opencv工具

opencv_createsample.exe
opencv_traincascade.exe

資料準備

1、pos資料夾 （正樣本）
2、neg資料夾 (負樣本 訓練時所需檔案)
3、xml (分類器儲存的位置)
4、pos.txt （正樣本圖片路徑和圖片大小說明）
5、 neg.txt （負樣本圖片路徑說明 訓練時所需檔案）
6、pos.vec (pos.txt->pos.vec 訓練時所需檔案)

7、create_sample.bat (pos.txt->pos.vec的命令）
8、treain.bat (訓練的命令）

一、針對人臉檢測，需要收集正樣本，負樣本

1、正樣本的收集

通過截圖電腦螢幕蒐集人臉影象

（ps:當然也可通過本地視訊蒐集人臉影象，程式碼作簡單修改即可）
python程式碼如下：

# 注意使用的時候，地址作相應變化
from PIL import ImageGrab
import cv2
import numpy as np
import time

def collect_img(filepath):
    k = 1
 

    # 識別出人臉後要畫的邊框的顏色，RGB格式
    color = (0, 255, 0)
    while 1:
        time.sleep(0.5)
        img = ImageGrab.grab()
        img = np.array(img, dtype=np.uint8)
        # 將當前幀轉換成灰度影象
        img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

        # 人臉檢測，1.1和2分別為圖片縮放比例和需要檢測的有效點數
        faceRects = classfier.detectMultiScale(img_gray, scaleFactor=1.1
 
, minNeighbors=3, minSize=(40, 40))

        if len(faceRects) > 0:  # 大於0則檢測到人臉
            for faceRect in faceRects:  # 單獨框出每一張人臉
                x, y, w, h = faceRect
                if w>100 and h>100:
                    # cv2.rectangle(img, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)
                    filename = filepath + "\\" + str(k) + ".jpg"
                    k = k+1
                    # cv2.imwrite(filename, img)
                    cv2.imwrite(filename, img[y:y+h, x:x+w, :])

                    # filename = filepath + "\\" + str(k+1) + ".jpg"
                    # cv2.imwrite(filename, img)
        if k>10000:
            break
# 主函式
classfier = cv2.CascadeClassifier(r"D:\Program Files\Abacibda36\Lib\site-packages\cv2\data\haarcascade_frontalface_alt_tree.xml")
filepath = r"G:\img\face\pos"
collect_img(filepath)

2、負樣本的蒐集

也可以通過截圖網頁視訊，或者本地視訊進行非人臉資料的蒐集

3、通過pos中的圖片集生成正樣本目錄pos.txt

（ps：注意pos.txt中的資料格式）

#  將圖片的資訊儲存成txt資訊

import numpy as np
import cv2
import matplotlib as plt
import os
import time

def save_imginfo_to_txt(filepath, txtpath):
    files = os.listdir(filepath)
    res = []
    for file in files:
        filename = filepath + "\\" + file
        img = cv2.imread(filename)
        # 資料的格式
        res.append([filename, 1, 0, 0, img.shape[0], img.shape[1]])
    save_txt = txtpath + "\\" + "file_name.txt"
    file = open(save_txt, 'a')
    for i in res:
        file.write(' '.join([str(j) for j in i]))
        file.write("\n")
    file.close()

# 主函式
filepath = r"G:\img\face\pos"
txtpath = r"G:\img\face"
save_imginfo_to_txt(filepath, txtpath)

4、負樣本同上

（PS：負樣本的格式注意）
負樣本只需要儲存路徑即可

5、通過pos.txt生成pos.vec

在進行這一個步驟的時候，python的工具opencv_createsamples.exe需要複製到當前的資料夾下
寫一個bat檔案
create_sample.bat
內容如下：

cd C:\Users\Administrator\Desktop\machine_learning\face_study
opencv_createsamples.exe -info  pos.txt -vec pos.vec -num 250 -w 35 -h 35
pause

二、萬事俱備，只欠訓練

在進行這一個步驟的時候，python的工具opencv_traincascade.exe需要複製到當前的資料夾下
訓練需要的東西：pos.vec（原始檔 正樣本）
負樣本（neg.txt）
訓練的時候，也寫一個bat檔案
內容如下：

cd C:\Users\Administrator\Desktop\machine_learning\face_study
opencv_traincascade.exe  -data xml -vec pos.vec -bg neg.txt -numPos 100 -numNeg 300 -numStages 15 -precalcValbufSize 200 -precalcdxBufSize 1000 -featureType LBP -w 35 -h 35 -minHitRate 0.99 -maxFalseAlarmRate 0.4 -weightTrimRate 0.95 -maxDepth 1 -maxWeakCount 100 -mode ALL
pause

如果想知道具體引數
可以在cmd目錄下，輸入

C:\Users\Administrator>opencv_traincascade.exe
Usage: opencv_traincascade.exe
  -data <cascade_dir_name>                   //儲存檔案
  -vec <vec_file_name>                       //正樣本 pos.vec
  -bg <background_file_name>                 //負樣本 neg.txt
  [-numPos <number_of_positive_samples = 2000>][-numNeg <number_of_negative_samples = 1000>][-numStages <number_of_stages = 20>][-precalcValBufSize <precalculated_vals_buffer_size_in_Mb = 1024>][-precalcIdxBufSize <precalculated_idxs_buffer_size_in_Mb = 1024>][-baseFormatSave][-numThreads <max_number_of_threads = 9>][-acceptanceRatioBreakValue <value> = -1>]
--cascadeParams--
  [-stageType <BOOST(default)>][-featureType <{HAAR(default), LBP, HOG}>][-w <sampleWidth = 24>][-h <sampleHeight = 24>]
--boostParams--
  [-bt <{DAB, RAB, LB, GAB(default)}>][-minHitRate <min_hit_rate> = 0.995>][-maxFalseAlarmRate <max_false_alarm_rate = 0.5>][-weightTrimRate <weight_trim_rate = 0.95>][-maxDepth <max_depth_of_weak_tree = 1>][-maxWeakCount <max_weak_tree_count = 100>]
--haarFeatureParams--
  [-mode <BASIC(default) | CORE | ALL
--lbpFeatureParams--
--HOGFeatureParams--

三、測試

這裡讀入視訊，進行人臉分類器xml的測試

import cv2
import numpy as np

window_name = "figure"
cap = cv2.VideoCapture("./1.mp4")
# 告訴OpenCv使用人臉識別分類器
haar_xml = r"C:\Users\Administrator\Desktop\machine_learning\face_study\xml\cascade.xml"
classfier = cv2.CascadeClassifier(haar_xml)
# 識別出人臉後要畫的邊框的顏色，RGB格式
color = (0, 255, 0)

while(1):
    # get a frame
    ret, frame = cap.read()
    if not ret:
        break
    # 將當前幀轉換成灰度影象
    grey = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 人臉檢測，1.1和2分別為圖片縮放比例和需要檢測的有效點數
    faceRects = classfier.detectMultiScale(grey, scaleFactor=1.1, minNeighbors=3,minSize=(20,20))

    if len(faceRects) > 0:  # 大於0則檢測到人臉
        for faceRect in faceRects:  # 單獨框出每一張人臉q
            x, y, w, h = faceRect
            cv2.rectangle(frame, (x - 10, y - 10), (x + w + 10, y + h + 10), color, 2)

    # 顯示影象
    cv2.imshow(window_name, frame)
    if cv2.waitKey(100) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

若有疏漏之處，再完善！