OpenCV中的HOG SVM物體分類

opencv官方的svm**在

在看到一段還不錯的**，結構清楚，雖然注釋比較少，但很有參考價值，於是我新增了一些注釋，看著更舒服。廢話少說，直接上**：

#include "cv.h"

#include "highgui.h"

#include "stdafx.h"

#include

using namespace cv;

using namespace std;

int main(int argc, char** argv)

else

} }

svm_data.close();//關閉檔案

cvmat *data_mat, *res_mat;

int nimgnum = nline / 2; //讀入樣本數量，因為是每隔一行才是路徑，所以要除以2

樣本矩陣，nimgnum：橫座標是樣本數量， width * height：樣本特徵向量，即影象大小

data_mat = cvcreatemat( nimgnum, 1764, cv_32fc1 ); //這裡第二個引數，即矩陣的列是由下面的descriptors的大小決定的，可以由descriptors.size()得到，且對於不同大小的輸入訓練，這個值是不同的

cvsetzero( data_mat );

//型別矩陣,儲存每個樣本的型別標誌

res_mat = cvcreatemat( nimgnum, 1, cv_32fc1 );

cvsetzero( res_mat );

iplimage* src;

iplimage* trainimg=cvcreateimage(cvsize(64,64),8,3);//需要分析的，這裡預設設定是64*64大小，所以上面定義了1764，如果要更改大小，可以先用debug檢視一下descriptors是多少，然後設定好再執行

//開始搞hog特徵

for( string::size_type i = 0; i != img_path.size(); i++ )

//coutifstream img_tst( "e:/svm_test.txt" );//同輸入訓練樣本，這裡也是一樣的，只不過不需要標註屬於哪一類了

while( img_tst )

} img_tst.close();

cvmat *test_hog = cvcreatemat( 1, 1764, cv_32fc1 );//注意這裡的1764，同上面一樣

char line[512];

ofstream predict_txt( "svm_predict.txt" );//把**結果儲存在這個文字中

for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍歷所有的待檢測

int ret = svm.predict(svmtrainmat);//獲取最終檢測結果，這個predict的用法見 opencv的文件

std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );

predict_txt<

其中，關於hog函式hogdescriptor，見部落格

另外，自己需要把這個程式嵌入到另外乙個工程中去，因為那裡資料型別是mat，不是cvmat，所以我又修改了上面的程式，並且大小也不是固定的64*64，需要自己設定一下大小，因為太懶，直接把改好的程式放過來：

#include "stdafx.h"

#include "cv.h"

#include "highgui.h"

#include "stdafx.h"

#include

using namespace cv;

using namespace std;

int main(int argc, char** argv)

else

} }

svm_data.close();//關閉檔案

mat data_mat, res_mat;

int nimgnum = nline; //讀入樣本數量

樣本矩陣，nimgnum：橫座標是樣本數量， width * height：樣本特徵向量，即影象大小

//data_mat = mat::zeros( nimgnum, 12996, cv_32fc1 );

//型別矩陣,儲存每個樣本的型別標誌

res_mat = mat::zeros( nimgnum, 1, cv_32fc1 );

mat src;

mat trainimg = mat::zeros(imgheight, imgwidht, cv_8uc3);//需要分析的

for( string::size_type i = 0; i != img_path.size(); i++ )

cout<<"hog dims: "<::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)

//coutcout<<" end processing "<

svm種類：cvsvm::c_svc

kernel的種類：cvsvm::rbf

degree：10.0（此次不使用）

gamma：8.0

coef0：1.0（此次不使用）

c：10.0

nu：0.5（此次不使用）

p：0.1（此次不使用）

然後對訓練資料正規化處理，並放在cvmat型的陣列裡。

//☆☆☆☆☆☆☆☆☆(5)svm學習☆☆☆☆☆☆☆☆☆☆☆☆

svm.train( data_mat, res_mat, mat(), mat(), param );

//☆☆利用訓練資料和確定的學習引數,進行svm學習☆☆☆☆

//檢測樣本

vectorimg_tst_path;

while( img_tst )

} img_tst.close();

mat test;

char line[512];

for( string::size_type j = 0; j != img_tst_path.size(); j++ )

int ret = svm.predict(svmtrainmat);

std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );

printf("%s %d\r\n", img_tst_path[j].c_str(), ret);

getchar();

predict_txt<}

predict_txt.close();

return 0;

}

OpenCV中的HOG SVM物體分類

OpenCV中的HOG SVM物體分類

自己訓練的Hog Svm 行人檢測

HOG SVM原版原始碼learcode的修改與編譯

OpenCV中的HOG SVM物體分類

OpenCV中的HOG SVM物體分類

自己訓練的Hog Svm 行人檢測

HOG SVM原版原始碼learcode的修改與編譯

相關推薦