测试 svm 训练的xml 分类器 ~

用 svm 训练了个分类器。

给图片分类的。

目标 ： 1

else ： 0

载入分类器查看效果

[cpp] view plain copy

1. #include"stdafx.h"
2. #include"cv.h"
3. #include"highgui.h"
4. #include<ml.h>
5. #include<iostream>
6. #include<fstream>
7. #include<string>
8. #include<vector>
10. usingnamespacecv;
11. namespacestd;
13. intmain(intargc,char**argv)
14. {
15. CvSVMsvm=CvSVM();//新建一个SVM
16. svm.load("SVM_DATA.xml",0);
17. //if(svm==NULL)
18. //{
19. //printf("Cantloadurxml!\n");
20. //}
21. CvCapture*video=cvCaptureFromAVI("D:\\video\\s.avi");
22. IplImage*test=NULL;//从视频中抓取的一帧
23. IplImage*trainImg=cvCreateImage(cvSize(64,64),8,3);//itssizemust=img'ssizewhichusedtotrainurxml
24. ofstreampredict_txt("SVM_PREDICT.txt");//把预测结果存储在这个文本中
25. intcnt=0;//用来标记第几帧
26. cvNamedWindow("video");
27. while(1)
28. {
29. test=cvQueryFrame(video);
30. if(test==NULL)
31. break;
32. }
33. else
34. charline[512];
35. cvZero(trainImg);
36. cvResize(test,trainImg);//读取图片
37. HOGDescriptor*hog=newHOGDescriptor(cvSize(64,cvSize(16,16),cvSize(8,8),9);//具体意思见参考文章1,2
38. vector<float>descriptors;//结果数组
39. hog->compute(trainImg,descriptors,Size(1,1),Size(0,0));//调用计算函数开始计算
40. cout<<"HOGdims:"<<descriptors.size()<<endl;
41. CvMat*SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);
42. intn=0;
43. for(vector<float>::iteratoriter=descriptors.begin();iter!=descriptors.end();iter++)
44. cvmSet(SVMtrainMat,n,*iter);
45. n++;
46. intret=svm.predict(SVMtrainMat);//获取最终检测结果，这个predict的用法见OpenCV的文档
47. std::sprintf(line,"Frame：%d\r\n",ret);
48. predict_txt<<line;
49. if(ret==1)
50. CvFontfont;//定义字体结构体
51. cvInitFont(&font,1.0,2,8);//初始化字体结构体
52. char*warn="Target!!!";
53. cvPutText(test,sun,cvPoint(10,10),&font,CV_RGB(255,0);background-color:inherit;">//在窗口中显示warning的红色提示信息
54. cvShowImage("video",test);
55. cvWaitKey(20);
56. }
57. cvReleaseImage(&trainImg);
58. predict_txt.close();
59. system("PAUSE");
60. return0;
61. }

测试某个 目录 下的图片：

svm.load("F:\\test\\SVM_DATA.xml",108);list-style:outside;color:inherit;line-height:18px;"> cout<<"loadxml"<<endl;

stringbuf;

IplImage*test;

vector<string>img_tst_path;

ifstreamimg_tst("F:\\test\\test.txt");//同输入训练样本，这里也是一样的，只不过不需要标注图片属于哪一类了

while(img_tst)

if(getline(img_tst,buf))

img_tst_path.push_back(buf);

img_tst.close();

//需要分析的图片，这里默认设定图片是64*64大小，所以上面定义了1764，如果要更改图片大小，可以先用debug查看一下descriptors是多少，然后设定好再运行

CvMat*test_hog=cvCreateMat(1,1764,CV_32FC1);//注意这里的1764，同上面一样

charline[512];

ofstreampredict_txt("F:\\test\\SVM_PREDICT.txt");for(string::size_typej=0;j!=img_tst_path.size();j++)//依次遍历所有的待检测图片

test=cvLoadImage(img_tst_path[j].c_str(),1);

cout<<"cannotloadtheimage:"<<img_tst_path[j].c_str()<<endl;

continue;

cvZero(trainImg);

cvResize(test,0);background-color:inherit;">//读取图片

HOGDescriptor*hog=

vector<//结果数组

hog->compute(trainImg,0);background-color:inherit;">//调用计算函数开始计算

cout<<"HOGdims:"<<descriptors.size()<<endl;

CvMat*SVMtrainMat=cvCreateMat(1,CV_32FC1);

n=0;

float>::iteratoriter=descriptors.begin();iter!=descriptors.end();iter++)

cvmSet(SVMtrainMat,*iter);

n++;

//获取最终检测结果，这个predict的用法见OpenCV的文档

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

predict_txt<<line;

predict_txt.close();

cvReleaseImage(&trainImg);

system("PAUSE");

return0;

}