目标检测器训练过程总结（HyperLPR）

1. 项目背景

开源项目HyperLPR，在车牌粗定位（提取）阶段，依赖于训练好的模型文件cascade.xml，而该文件是一个由基于OpenCV的Haar级联分类器训练出来的模型，HyperLPR作者有在他的博客中谈到了该模型文件的训练过程。
车牌粗定位大致程序流程：
目标检测器训练过程总结（HyperLPR）
以下内容记录训练cascade.xml模型文件的过程。

2. 环境准备

Python2.7.14
OpenCV3.0
其他依赖(image, opencv-python)：
开源项目：OpenCV Cascade车牌检测器训练代码
Tip：记住安装或下载解压的目录

3. 数据准备

正样片：最好使用项目具体应用，若无，可用开源项目Plate_Recognition-LPRnet下的车牌图像作为正样片，此项目正样片应置于train-detector/china/目录下
负样片：train-detector下的raw-neg已包含

4. prep.py使用说明

4.1. 变量说明

调整国家和车牌长度宽度，将以下代码置于导包语句后
OPENCV_DIR：opencv安装目录
OPENCV_DIR= 'D:\\ProgramData\\OpenCV3.0.0\\opencv\\build\\x64\\vc11\\bin'
BASE_DIR：指定prep所在的目录
BASE_DIR = 'G:\\PycharmProjects\\train-detector\\'
OUTPUT_DIR：训练模型输出目录
INPUT_NEGATIVE_DIR：负样本放置目录
INPUT_NEGATIVE_DIR = BASE_DIR + 'raw-neg\\'
INPUT_POSITIVE_DIR：正样本输出目录
INPUT_POSITIVE_DIR = BASE_DIR + COUNTRY + '\\'

4.2. 训练过程(cmd切换到prep所在目录下)

& ‘D:\ProgramData\Python27\python.exe’ prep.py neg
& ‘D:\ProgramData\Python27\python.exe’ prep.py pos
& ‘D:\ProgramData\Python27\python.exe’ prep.py train---->生成的语句复制运行

目标检测器训练过程总结（HyperLPR）
训练过程

可能出现的问题：<BEGIN OpenCV Error: Bad argument (Can not get new positive sample. The most possible reason is insufficient count of samples in given vec-file. ) in CvCascadeImageReader::PosReader::get, file C:\buildslave64\win64_amdocl\master_PackSlave-win64-vc11-shared\opencv\apps\traincascade\imagestorage.cpp, line 157
解决方法：参数numPos调低，如此处正样片有752，可设置numPos为652，原因参见

4.3. 训练结果

train-detector/out/cascade.xml

5. 相关知识点

基于OpenCV的Haar级联分类器
OpenALPR的Train-Detector