1.正樣本文件采集：
需要使用到的工具：objectmarker
用於待識別對象的標注，並生成標注文件。需要注意的是，生成完標注文件之后（通常是info.txt文件），用編輯器打開文件，將所有路徑信息刪除，只保留文件名和其對應的標注信息，修改完成之后，將文件保存為sample_pos.dat(注意，文件名字不要改變，否則以后會很坑，這個具體還沒去研究源碼，應該是程序的問題)；
ps:如果已經有了圖像的標注信息，那就可以跳過這一步了。
2.正樣本vec文件生成（sample文件）
工具：opencv_createsamples.exe
在工具所在目錄創建文件夾：pos，將采集到的正樣本，以及標注文件放入pos文件夾；
使用cmd進入工具所在目錄，執行命令：
opencv_createsamples.exe -info ./pos/sample_pos.dat -vec ./pos/sample_pos.vec -num 17 -w 20 -h 20 -show YES
ps:-num:正樣本個數
3.負樣本采集
建議正負樣本比例在1:3（具體還不知道，參考網上提供的數據）。負樣本在采集的時候尤其需要注意，盡量保持和正樣本環境相似，比如，正樣本圖像中包含要檢測的對象，負樣本圖像中最好剔除要檢測的對象，只保留背景。有條件的同學可以直接寫程序，對負樣本圖片進行切割，標准是40*40（因為我們的正樣本采用的是20*20）。
負樣本采集完成之后，在pos目錄的統計目錄創建文件夾：neg，將負樣本拷貝至neg目錄，然后使用命令行進入neg目錄，執行命令：
dir /b > sample_neg.dat
用文本編輯器打開dat文件，刪除最后一行：sample_neg.dat，保存文件；
ps:文件名字不要改變，否則會出錯
4.訓練樣本
到此為止，我們要准備的文件都已經准備好，可以進行訓練了。
使用的工具：opencv_haartraining.exe
進入工具所在目錄，先創建目錄：cascade，然后執行命令：
opencv_haartraining.exe -data ./cascade -vec ./pos/sample_pos.vec -bg ./neg/sample_neg.dat -nstage 20 -npos 100 -nneg 300 -mem 256 -mode ALL -w 20 -h 20
-nstage:要訓練多少層
-npos：每層的正樣本個數
-nneg：每層的負樣本個數
ps：在這一步經常會拋異常，通常都是負樣本文件不對，同時dat文件的名字一定要按照上面說的命名，否則會出錯；
5.合並xml文件
樣本訓練完成之后，cascade目錄下會生成多個子目錄，需要將這些目錄合並生成xml文件才能使用：
工具：c-example-convert_cascade.exe（ps:根據opencv的版本不同，這個工具的名字也可能不同）
執行命令：
c-example-convert_cascade.exe --size=20x20 ./cascade haar_adaboost.xml
到此，會在目錄中生成haar_adaboost.xml文件！
done！
說明：
1.所有的工具及其依賴文件建議統一放置在一個目錄中（比如：build）；
2.除了負樣本描述文件的生成命令需要在neg目錄中執行，其他命令全部在build（假設你也有這個目錄，以各自的實際目錄為准）目錄中執行；
3.good luck！
參考：
1.http://www.cnblogs.com/wengzilin/p/3845271.html
2.http://blog.csdn.net/xuejiren/article/details/39493537
（Opencv Error: Assertion failed (elements_read==1)）