自己动手，为花季护航(2)

下面介绍图片过滤的一些基本思路。
一、原理和方法
图片过滤属于目标检测的一种应用。
目标检测方法最初由Paul Viola（目前在microsoft research工作，个人主页http://research.microsoft.com/en-us/um/people/viola/）提出，并由Rainer Lienhart(个人主页http://www.lienhart.de/)对这一方法进行了改善。该方法的基本步骤为：
首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器， 这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。
分类器训练完以后，就可以应用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(汽车、人脸或者其他目标)分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行尺寸改变，这样比改变待检图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对图片进行几次扫描。
目标检测可以简单的分为三个步骤：
1、样本创建
2、训练分类器
3、利用训练好的分类器进行目标检测
（更多的详细信息，有一个很好的例子http://note.sonots.com/SciSoftware/haartraining.html）
二、使用OpenCV做图片过滤
这里我们以人脸的识别作为例子。
首先，需要准备样本，可以自己收集，当然也可以使用以后的样本库，可以到http://www.face-rec.org/databases/找到更多的样本库信息。
下一步，通过OpenCV中的craatesample程序创建正样本，负样本可以来自于任意的图片，但这些图片不能包含目标特征。
接下来做的工作训练分类器，这个由haartraining程序来实现的。
Haartraining的命令行参数如下：
－data<dir_name>
存放训练好的分类器的路径名。


－vec<vec_file_name>
正样本文件名（由trainingssamples程序或者由其他的方法创建的）


－bg<background_file_name>
背景描述文件。


－npos<number_of_positive_samples>，
－nneg<number_of_negative_samples>
用来训练每一个分类器阶段的正/负样本。合理的值是：nPos = 7000;nNeg = 3000


－nstages<number_of_stages>
训练的阶段数。


－nsplits<number_of_splits>
决定用于阶段分类器的弱分类器。如果1，则一个简单的stump classifier被使用。如果是2或者更多，则带有number_of_splits个内部节点的CART分类器被使用。


－mem<memory_in_MB>
预先计算的以MB为单位的可用内存。内存越大则训练的速度越快。


－sym（default）
－nonsym
指定训练的目标对象是否垂直对称。垂直对称提高目标的训练速度。例如，正面部是垂直对称的。


－minhitrate《min_hit_rate》
每个阶段分类器需要的最小的命中率。总的命中率为min_hit_rate的number_of_stages次方。


－maxfalsealarm<max_false_alarm_rate>
没有阶段分类器的最大错误报警率。总的错误警告率为max_false_alarm_rate的number_of_stages次方。


－weighttrimming<weight_trimming>
指定是否使用权修正和使用多大的权修正。一个基本的选择是0.9


－eqw
－mode<basic(default)|core|all>
选择用来训练的haar特征集的种类。basic仅仅使用垂直特征。all使用垂直和45度角旋转特征。


－w《sample_width》
－h《sample_height》
训练样本的尺寸，（以像素为单位）。必须和训练样本创建的尺寸相同。


训练结束以后，可以得到一个训练好的分类器，这个分类器可以用于图片的过滤。

三、将dansguardian和opencv连接起来
这里稍后下篇会给出具体的例子。

四、附OpenCV的编译文档
一些朋友在windows上编译OpenCV中常遇到问题，这里是以前整理的一些文档。
     how to install openCV 3.0
     1、下载安装opencv 3.0
     2、安装DirectX-SDK
     3、安装Platform SDK， 可以从http://www.microsoft.com/msdownload/platformsdk/sdkupdate/下载
     4、编译opencv
         修改cvaux.h中1137行的错误。
         打开$(OPENCV_ROOT)/_make/opencv.dsw,编译所有的类库。   
         打开$(OPENCV_ROOT)/apps/HaarTraining/make/haartraining.dsw编译

     5. 编译baseclasses.
        开始菜单-> Microsoft Platform SDK for windows server 2003 sp1 -> Open build environment window -> windows xp 32-bit build environment -> set windows xp 32-bit build environment(debug)
        cd samples\multimedia\directshow\
        nmake   

      6. 拷贝$(PLATFORM_SDK_ROOT)\samples\multimedia\directshow\baseclasses\XP32_DEBUG下的strmbasd.lib到$(PLATFORM_SDK_ROOT)\lib

      7. 在Developer Studio中加入如下路径:
         $(DIRECTX_SDK_ROOT)\include
         $(PLATFORM_SDK_ROOT)\include
         $(PLATFORM_SDK_ROOT)\samples\multimedia\directshow\baseclasses
         添加
         $(DIRECTX_SDK_ROOT)\lib
         $(PLATFORM_SDK_ROOT)\lib
         到"library files"
       
     8. 编译OpenCV DirectShow filters.(需要加上/MD编译option)