git.maemo.org Git - opencv/blob - apps/haartraining/cvhaartraining.h

   1 /*M///////////////////////////////////////////////////////////////////////////////////////
   2 //
   3 //  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
   4 //
   5 //  By downloading, copying, installing or using the software you agree to this license.
   6 //  If you do not agree to this license, do not download, install,
   7 //  copy or use the software.
   8 //
   9 //
  10 //                        Intel License Agreement
  11 //                For Open Source Computer Vision Library
  12 //
  13 // Copyright (C) 2000, Intel Corporation, all rights reserved.
  14 // Third party copyrights are property of their respective owners.
  15 //
  16 // Redistribution and use in source and binary forms, with or without modification,
  17 // are permitted provided that the following conditions are met:
  18 //
  19 //   * Redistribution's of source code must retain the above copyright notice,
  20 //     this list of conditions and the following disclaimer.
  21 //
  22 //   * Redistribution's in binary form must reproduce the above copyright notice,
  23 //     this list of conditions and the following disclaimer in the documentation
  24 //     and/or other materials provided with the distribution.
  25 //
  26 //   * The name of Intel Corporation may not be used to endorse or promote products
  27 //     derived from this software without specific prior written permission.
  28 //
  29 // This software is provided by the copyright holders and contributors "as is" and
  30 // any express or implied warranties, including, but not limited to, the implied
  31 // warranties of merchantability and fitness for a particular purpose are disclaimed.
  32 // In no event shall the Intel Corporation or contributors be liable for any direct,
  33 // indirect, incidental, special, exemplary, or consequential damages
  34 // (including, but not limited to, procurement of substitute goods or services;
  35 // loss of use, data, or profits; or business interruption) however caused
  36 // and on any theory of liability, whether in contract, strict liability,
  37 // or tort (including negligence or otherwise) arising in any way out of
  38 // the use of this software, even if advised of the possibility of such damage.
  39 //
  40 //M*/
  41
  42 /*
  43  * cvhaartraining.h
  44  *
  45  * haar training functions
  46  */
  47
  48 #ifndef _CVHAARTRAINING_H_
  49 #define _CVHAARTRAINING_H_
  50
  51 /*
  52  * cvCreateTrainingSamples
  53  *
  54  * Create training samples applying random distortions to sample image and
  55  * store them in .vec file
  56  *
  57  * filename        - .vec file name
  58  * imgfilename     - sample image file name
  59  * bgcolor         - background color for sample image
  60  * bgthreshold     - background color threshold. Pixels those colors are in range
  61  *   [bgcolor-bgthreshold, bgcolor+bgthreshold] are considered as transparent
  62  * bgfilename      - background description file name. If not NULL samples
  63  *   will be put on arbitrary background
  64  * count           - desired number of samples
  65  * invert          - if not 0 sample foreground pixels will be inverted
  66  *   if invert == CV_RANDOM_INVERT then samples will be inverted randomly
  67  * maxintensitydev - desired max intensity deviation of foreground samples pixels
  68  * maxxangle       - max rotation angles
  69  * maxyangle
  70  * maxzangle
  71  * showsamples     - if not 0 samples will be shown
  72  * winwidth        - desired samples width
  73  * winheight       - desired samples height
  74  */
  75 #define CV_RANDOM_INVERT 0x7FFFFFFF
  76
  77 void cvCreateTrainingSamples( const char* filename,
  78                               const char* imgfilename, int bgcolor, int bgthreshold,
  79                               const char* bgfilename, int count,
  80                               int invert = 0, int maxintensitydev = 40,
  81                               double maxxangle = 1.1,
  82                               double maxyangle = 1.1,
  83                               double maxzangle = 0.5,
  84                               int showsamples = 0,
  85                               int winwidth = 24, int winheight = 24 );
  86
  87 void cvCreateTestSamples( const char* infoname,
  88                           const char* imgfilename, int bgcolor, int bgthreshold,
  89                           const char* bgfilename, int count,
  90                           int invert, int maxintensitydev,
  91                           double maxxangle, double maxyangle, double maxzangle,
  92                           int showsamples,
  93                           int winwidth, int winheight );
  94
  95 /*
  96  * cvCreateTrainingSamplesFromInfo
  97  *
  98  * Create training samples from a set of marked up images and store them into .vec file
  99  * infoname    - file in which marked up image descriptions are stored
 100  * num         - desired number of samples
 101  * showsamples - if not 0 samples will be shown
 102  * winwidth    - sample width
 103  * winheight   - sample height
 104  *
 105  * Return number of successfully created samples
 106  */
 107 int cvCreateTrainingSamplesFromInfo( const char* infoname, const char* vecfilename,
 108                                      int num,
 109                                      int showsamples,
 110                                      int winwidth, int winheight );
 111
 112 /*
 113  * cvShowVecSamples
 114  *
 115  * Shows samples stored in .vec file
 116  *
 117  * filename
 118  *   .vec file name
 119  * winwidth
 120  *   sample width
 121  * winheight
 122  *   sample height
 123  * scale
 124  *   the scale each sample is adjusted to
 125  */
 126 void cvShowVecSamples( const char* filename, int winwidth, int winheight, double scale );
 127
 128
 129 /*
 130  * cvCreateCascadeClassifier
 131  *
 132  * Create cascade classifier
 133  * dirname          - directory name in which cascade classifier will be created.
 134  *   It must exist and contain subdirectories 0, 1, 2, ... (nstages-1).
 135  * vecfilename      - name of .vec file with object's images
 136  * bgfilename       - name of background description file
 137  * bg_vecfile       - true if bgfilename represents a vec file with discrete negatives
 138  * npos             - number of positive samples used in training of each stage
 139  * nneg             - number of negative samples used in training of each stage
 140  * nstages          - number of stages
 141  * numprecalculated - number of features being precalculated. Each precalculated feature
 142  *   requires (number_of_samples*(sizeof( float ) + sizeof( short ))) bytes of memory
 143  * numsplits        - number of binary splits in each weak classifier
 144  *   1 - stumps, 2 and more - trees.
 145  * minhitrate       - desired min hit rate of each stage
 146  * maxfalsealarm    - desired max false alarm of each stage
 147  * weightfraction   - weight trimming parameter
 148  * mode             - 0 - BASIC = Viola
 149  *                    1 - CORE  = All upright
 150  *                    2 - ALL   = All features
 151  * symmetric        - if not 0 vertical symmetry is assumed
 152  * equalweights     - if not 0 initial weights of all samples will be equal
 153  * winwidth         - sample width
 154  * winheight        - sample height
 155  * boosttype        - type of applied boosting algorithm
 156  *   0 - Discrete AdaBoost
 157  *   1 - Real AdaBoost
 158  *   2 - LogitBoost
 159  *   3 - Gentle AdaBoost
 160  * stumperror       - type of used error if Discrete AdaBoost algorithm is applied
 161  *   0 - misclassification error
 162  *   1 - gini error
 163  *   2 - entropy error
 164  */
 165 void cvCreateCascadeClassifier( const char* dirname,
 166                                 const char* vecfilename,
 167                                 const char* bgfilename,
 168                                 int npos, int nneg, int nstages,
 169                                 int numprecalculated,
 170                                 int numsplits,
 171                                 float minhitrate = 0.995F, float maxfalsealarm = 0.5F,
 172                                 float weightfraction = 0.95F,
 173                                 int mode = 0, int symmetric = 1,
 174                                 int equalweights = 1,
 175                                 int winwidth = 24, int winheight = 24,
 176                                 int boosttype = 3, int stumperror = 0 );
 177
 178 void cvCreateTreeCascadeClassifier( const char* dirname,
 179                                     const char* vecfilename,
 180                                     const char* bgfilename,
 181                                     int npos, int nneg, int nstages,
 182                                     int numprecalculated,
 183                                     int numsplits,
 184                                     float minhitrate, float maxfalsealarm,
 185                                     float weightfraction,
 186                                     int mode, int symmetric,
 187                                     int equalweights,
 188                                     int winwidth, int winheight,
 189                                     int boosttype, int stumperror,
 190                                     int maxtreesplits, int minpos, bool bg_vecfile = false );
 191
 192 #endif /* _CVHAARTRAINING_H_ */