在过去的几天里，我一直在研究 createsamples 和 traincascade 方法以生成汽车级联分类器。像我自己，很多人发现自己不知道如何克服所有的错误和问题，所以在这篇文章中，我将尽我所能解释我的程序和推理，以及我的问题。
为了提供更多背景信息，过去我自己实现了一个带有 Haar 特征的增强分类器，但由于该方法没有级联，所以速度非常慢。但是，我非常熟悉级联分类背后的方法。
问题：图像上的汽车分类
我下载了一个数据集（一组图像），它提供了 550 个正窗口（100w x 40h 有汽车的图像）和 500 个负窗口（100w x 40h 没有汽车的图像），我打算使用这些数据来训练级联分类器。
第 1 步 - 生成用于创建样本的 .dat 文件
createsamples 应用程序需要一个 .dat 文件，其中包含有关正样本和负样本的信息。我生成了两个 .dat 文件，一个带有正窗口，另一个带有负窗口：
positive.dat 示例结构：
CarData\TrainImages\POS\pos-0.pgm 1 0 0 100 40
CarData\TrainImages\POS\pos-1.pgm 1 0 0 100 40 (and more 548 lines of this)
数字 1 表示整幅图像中有一个物体，后面的 4 个整数代表有物体的边界框（本例中为整幅图像）
负.dat 示例结构：
CarData\TrainImages\NEG\neg-0.pgm
CarData\TrainImages\NEG\neg-1.pgm(and more 498 lines of this)
第 2 步 - 生成 .vec 文件
为此，我使用带有以下命令行的 createsamples.exe 应用程序：
: createsamples.exe -info path/positive.dat -vec samples.vec -bg negative.dat -w 100 -h 40 -num 550
到目前为止一切顺利，samples.vec 文件生成没有问题。
第 3 步 - 训练级联分类器
为此，我使用带有以下命令行的 traincascade 应用程序：
: traincascade.exe -data CarDetector -vec path/samples.vec -bg path/negative.dat -numStages 15 -stageType BOOST -featureType HAAR -w 100 -h 40 -bt DAB -maxDepth 2 -mode ALL
参数说明：
numStages(15)：表示我希望我的分类器有 15 个决策阶段。
stageType(BOOST)：每个阶段都是一个增强分类器
featureType(HAAR)：使用 haar 特征进行分类。HOG 和 LBP 也可用。
w(100)：检测窗口宽度
h(40)：检测窗口高度
bt(DAB)：表示我想使用 Discrete Adaboost（而不是 logitboost 等）
maxDepth(2)：表示每个弱分类器将使用 3 个特征进行分类
-mode(ALL)：我认为这意味着它将使用各种 haar 功能。
错误
当我运行命令时，程序立即崩溃，没有错误消息，所以我完全不知道我做错了什么。我希望有这方面经验的人能找出我的程序存在的问题，因为这是许多尝试使用此应用程序的人所共有的问题。
问候！
重要 - 编辑 2：
我尝试使用已弃用的应用程序 haartraining 训练分类器，只是想看看是否可以获得更多信息，结果如下：
