update,

task1/_lab/007-train-beach-test2/README.md

@@ -0,0 +1,66 @@
+# OPENCV级联分类器训练
+
+## 1.收集样本
+
+### 正样本
+  - 转化成灰度（可用_RGBtoGray.py脚本）
+  - 转化成jpg格式（可用_BMP2JPG.py脚本）
+  - 分辨率20X20
+  - 从0开始按序号命名（可用_ReName.py脚本）
+### 负样本
+  - 转化成灰度（可用_RGBtoGray.py脚本）
+  - 转化成jpg格式（可用_BMP2JPG.py脚本）
+  - 分辨率随意
+  - 需要明显多于正样本
+  - 从0开始按序号命名（可用_ReName.py脚本）
+
+## 2.生成txt数据集路径表
+
+  - 生成文件（可用_GenTXT.py脚本）
+  - 拷贝到项目顶层目录（可用_copy.py脚本）
+
+## 3.生成正样本数据集（负样本数据在下一步用于训练）
+  - 编辑step1.py，根据自己的样本情况修改参数
+  - 执行step1.py脚本
+
+## 4.训练
+  - 编辑step2.py，根据自己的样本情况修改参数
+  - 执行step2.py脚本
+
+## 3.得到模型
+  - 进入xml文件夹，里面就有训练各个层数的模型
+
+## 5.示范
+
+ ```python
+import cv2
+
+# 读取待检测的图像
+image = cv2.imread('12.jpg')
+
+# 获取 XML 文件，加载人脸检测器
+faceCascade = cv2.CascadeClassifier('cascade.xml')
+
+# 色彩转换，转换为灰度图像
+gray = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
+
+# 调用函数 detectMultiScale
+faces = faceCascade.detectMultiScale(gray,scaleFactor = 1.15,minNeighbors = 5,minSize = (5,5))
+
+#print(faces)
+# 打印输出的测试结果
+print("发现{0}个人脸!".format(len(faces)))
+
+# 逐个标注人脸
+for(x,y,w,h) in faces:
+    cv2.rectangle(image,(x,y),(x+w,y+w),(0,255,0),2) #矩形标注
+    #cv2.circle(image,(int((x+x+w)/2),int((y+y+h)/2)),int(w/2),(0,255,0),2)
+    
+# 显示结果
+cv2.imshow("dect",image)
+# 保存检测结果
+cv2.imwrite("re.jpg",image)
+cv2.waitKey(0)
+cv2.destroyAllWindows()
+
+ ```