我正在尝试使用我用相机拍摄的样本创建一个 xml 文件。这是一个测试运行，我把相机靠在窗户上，让它每隔 30 秒拍一张经过的汽车的照片。我现在有大约 200 张图片（仅用于一个小测试），但我无法进一步了解。
我制作了一个选择工具来挑选图片（边界框）上的汽车，如果没有，则将图片标记为底片。以下是应用程序外观的 2 个示例：
然后应用程序将标记的对象保存在positive.txt文件中，如下所示，跳过未标记的图片或标记为负片的图片：
/samples/img_0000.jpg 1 74 66 34 30
/samples/img_0001.jpg 2 78 69 31 25 218 129 61 38
/samples/img_0003.jpg 1 83 72 21 21
/samples/img_0005.jpg 1 76 65 19 17
/samples/img_0006.jpg 1 127 112 37 24
/samples/img_0007.jpg 2 83 72 22 21 127 112 36 22
...
负片简单地保存到negative.txt文件中，如下所示：
/samples/img_0002.jpg
/samples/img_0004.jpg
/samples/img_0024.jpg
/samples/img_0026.jpg
...
最后，我尝试运行 haar 训练算法/usr/bin/opencv_haartraining -data samples -vec positive.txt -bg negative.txt -npos 99 -nneg 20 -nstages 5 -mem 128 -minhitrate 0.999 -maxfalsealarm 0.5 -nonsym -mode ALL。
不要介意这些设置，我只需要在使用功能更强大的计算机对具有更多图片的实际数据进行实际训练之前就可以使用它。
为此，我得到以下输出和错误：
Data dir name: samples
Vec file name: positive.txt
BG file name: negative.txt, is a vecfile: no
Num pos: 99
Num neg: 20
Num stages: 5
Num splits: 1 (stump as weak classifier)
Mem: 128 MB
Symmetric: FALSE
Min hit rate: 0.999000
Max false alarm rate: 0.500000
Weight trimming: 0.950000
Equal weights: FALSE
Mode: ALL
Width: 24
Height: 24
Applied boosting algorithm: GAB
Error (valid only for Discrete and Real AdaBoost): misclass
Max number of splits in tree cascade: 0
Min number of positive samples per cluster: 500
Required leaf false alarm rate: 0.03125
Tree Classifier
Stage
+---+
| 0|
+---+
Number of features used : 261600
Parent node: NULL
*** 1 cluster ***
OpenCV Error: Unspecified error (Vec file sample size mismatch) in icvGetHaarTrainingDataFromVec, file /build/opencv-XZa2gn/opencv-2.3.1/modules/haartraining/cvhaartraining.cpp, line 1930
terminate called after throwing an instance of 'cv::Exception'
what(): /build/opencv-XZa2gn/opencv-2.3.1/modules/haartraining/cvhaartraining.cpp:1930: error: (-2) Vec file sample size mismatch in function icvGetHaarTrainingDataFromVec
Aborted
有人知道那是什么意思吗？为什么样本大小有错误，不管是什么......我也尝试用绝对路径替换相对路径，但我得到了同样的错误。我正在尝试做的事情实际上是正确的，我还没有找到任何关于如何从现有和标记的图片创建分类器的明确示例。