测试 svm 训练的xml 分类器 ~

发布时间：2020-12-16 00:28:23 所属栏目：百科来源：网络整理

导读：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 #include"stdafx.h" #include"cv.h" #include"highgui.h" #includeml.h #includeiostream #includefstream #includestring #includevector using nam

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 
     
    
 #include"stdafx.h"
 #include"cv.h"
 #include"highgui.h"
 #include<ml.h>
 #include<iostream>
 #include<fstream>
 #include<string>
 #include<vector>
 
 usingnamespacecv;
 namespacestd;
 
 intmain(intargc,char**argv)
 {
 CvSVMsvm=CvSVM();//新建一个SVM
 svm.load("SVM_DATA.xml",0);
 //if(svm==NULL)
 //{
//printf("Cantloadurxml!n");
//}
 CvCapture*video=cvCaptureFromAVI("D:videos.avi");
 IplImage*test=NULL;//从视频中抓取的一帧
 IplImage*trainImg=cvCreateImage(cvSize(64,64),8,3);//itssizemust=img'ssizewhichusedtotrainurxml
 ofstreampredict_txt("SVM_PREDICT.txt");//把预测结果存储在这个文本中
 intcnt=0;//用来标记第几帧
 cvNamedWindow("video");
while(1)
 {
 test=cvQueryFrame(video);
if(test==NULL)
break;
 }
else
charline[512];
 cvZero(trainImg);
 cvResize(test,trainImg);//读取图片
 HOGDescriptor*hog=newHOGDescriptor(cvSize(64,cvSize(16,16),cvSize(8,8),9);//具体意思见参考文章1,2
 vector<float>descriptors;//结果数组
 hog->compute(trainImg,descriptors,Size(1,1),Size(0,0));//调用计算函数开始计算
 cout<<"HOGdims:"<<descriptors.size()<<endl;
 CvMat*SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);
intn=0;
for(vector<float>::iteratoriter=descriptors.begin();iter!=descriptors.end();iter++)
 cvmSet(SVMtrainMat,n,*iter);
 n++;
intret=svm.predict(SVMtrainMat);//获取最终检测结果，这个predict的用法见OpenCV的文档
 std::sprintf(line,"Frame：%drn",ret);
 predict_txt<<line;
if(ret==1)
 CvFontfont;//定义字体结构体
 cvInitFont(&font,1.0,2,8);//初始化字体结构体
char*warn="Target!!!";
 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
 cvShowImage("video",test);
 cvWaitKey(20);
 }
 cvReleaseImage(&trainImg);
 predict_txt.close();
 system("PAUSE");
return0;
 }

测试某个目录下的图片：

copy 
     
    

svm.load("F:testSVM_DATA.xml",108); list-style:decimal-leading-zero outside; color:inherit; line-height:18px; margin:0px!important; padding:0px 3px 0px 10px!important"> cout<<"loadxml"<<endl;

stringbuf;

IplImage*test;

vector<string>img_tst_path;

ifstreamimg_tst("F:testtest.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:testSVM_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%drn",img_tst_path[j].c_str(),ret);

predict_txt<<line;

predict_txt.close();

cvReleaseImage(&trainImg);

system("PAUSE");

return0;

}

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!