用 svm 訓練了個分類器。
給圖片分類的。
目標 : 1
else : 0
載入分類器查看效果
#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <ml.h>
#include <iostream>
#include <fstream>
#include <string>
#include <vector>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
CvSVM svm = CvSVM();//新建一個SVM
svm.load("SVM_DATA.xml", 0);
//if(svm == NULL)
//{
// printf("Cant load ur xml!\n");
//}
CvCapture *video = cvCaptureFromAVI("D:\\video\\s.avi");
IplImage *test = NULL; //從視頻中抓取的一幀
IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3); //its size must = img's size which used to train ur xml
ofstream predict_txt( "SVM_PREDICT.txt" );//把預測結果存儲在這個文本中
int cnt = 0; //用來標記第幾幀
cvNamedWindow( "video");
while(1)
{
test = cvQueryFrame(video);
if(test == NULL)
{
break;
}
else
{
char line[512];
cvZero(trainImg);
cvResize(test,trainImg); //讀取圖片
HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9); //具體意思見參考文章1,2
vector<float> descriptors;//結果數組
hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //調用計算函數開始計算
cout<<"HOG dims: "<<descriptors.size()<<endl;
CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);
int n = 0;
for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)
{
cvmSet(SVMtrainMat,0,n,*iter);
n++;
}
int ret = svm.predict(SVMtrainMat);//獲取最終檢測結果,這個predict的用法見 OpenCV的文檔
std::sprintf( line, "Frame : %d\r\n", ret );
predict_txt<<line;
if(ret == 1)
{
CvFont font; //定義字體結構體
cvInitFont(&font,0,1.0,1.0,0,2,8); //初始化字體結構體
char* warn=" Target!!!";
cvPutText(test, sun,cvPoint(10,10),&font,CV_RGB(255, 0, 0)); //在窗口中顯示warning的紅色提示信息
}
cvShowImage("video", test);
cvWaitKey(20);
}
}
cvReleaseImage( &trainImg);
predict_txt.close();
system("PAUSE");
return 0;
}
測試某個 目錄 下的圖片:
#include "stdafx.h"
#include "cv.h"
#include "highgui.h"
#include <ml.h>
#include <iostream>
#include <fstream>
#include <string>
#include <vector>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
CvSVM svm = CvSVM();//新建一個SVM
svm.load("F:\\test\\SVM_DATA.xml", 0);
//if(svm == NULL)
//{
// printf("Cant load ur xml!\n");
//}
cout<<" load xml"<<endl;
string buf;
int n = 0;
IplImage *test;
vector<string> img_tst_path;
ifstream img_tst( "F:\\test\\test.txt" );//同輸入訓練樣本,這裏也是一樣的,只不過不需要標註圖片屬於哪一類了
while( img_tst )
{
if( getline( img_tst, buf ) )
{
img_tst_path.push_back( buf );
}
}
img_tst.close();
IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);//需要分析的圖片,這裏默認設定圖片是64*64大小,所以上面定義了1764,如果要更改圖片大小,可以先用debug查看一下descriptors是多少,然後設定好再運行
CvMat *test_hog = cvCreateMat( 1, 1764, CV_32FC1 );//注意這裏的1764,同上面一樣
char line[512];
ofstream predict_txt( "F:\\test\\SVM_PREDICT.txt" );//把預測結果存儲在這個文本中
for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍歷所有的待檢測圖片
{
test = cvLoadImage( img_tst_path[j].c_str(), 1);
if( test == NULL )
{
cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;
continue;
}
cvZero(trainImg);
cvResize(test,trainImg); //讀取圖片
HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9); //具體意思見參考文章1,2
vector<float>descriptors;//結果數組
hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //調用計算函數開始計算
cout<<"HOG dims: "<<descriptors.size()<<endl;
CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);
n=0;
for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)
{
cvmSet(SVMtrainMat,0,n,*iter);
n++;
}
int ret = svm.predict(SVMtrainMat);//獲取最終檢測結果,這個predict的用法見 OpenCV的文檔
std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );
predict_txt<<line;
}
predict_txt.close();
cvReleaseImage(&trainImg);
system("PAUSE");
return 0;
}