*安装opencv和python-opencv，并简单地进行了图像识别的尝试
<div style="text-indent:2em">
<p>以开源图片训练集[http://www-cvr.ai.uiuc.edu/ponce_grp/data/]中的100张犀鸟图片作为正样本，[https://download.csdn.net/download/a201c501ys/6951971]中截取的300图片作为负样本中截取的300图片作为负样本。根据要求，所有正样本通过PhotoShop批处理变为长宽比一致的矩形。</p>
<p>使用opencv自带的opencv_createsamples命令和opencv_traincascade（opencv_haartraining未成功使用）命令，具体参数为：<br>
opencv_createsamples: -num 100 -w 60 -h 60<br>
</center>
</div>
*后期进一步查阅资料，[http://www.computer-vision-software.com/blog/2009/11/faq-opencv-haartraining/]中指出一个较好的训练集需要1000各左右的正样本和2000各左右的负样本。正样本不应当有相似背景，推荐训练层数为14~25层（我的训练过程在第三层就出现虚警无法继续）。文章举例一个可用的人脸分类器在Pentium 2.7GHZ 2GB RAM处理器上训练了6天。
*进一步尝试训练参数，然而由于样本过少，训练结果依然不理想。
=2018年7月24日 第三天=
参观公司。