c++下halcon训练SVM分类器

首先，准备素材，然后根据训练类别构建SVM模型，然后训练，保存模型参数，然后使用模型进行分类。

首先是训练模型部分，第一步进行特征提取，提取到的特征组成一个向量，稍后添加到SVM模型去。特征提取的方法有很多，这里就不说了。

然后是训练模型，上代码

Hlong NumFeatures = 8;
HString KernelType = "rbf";
double KernelParam = 0.02, Nu = 0.01;
Hlong NumClasses = 1;
HString Mode = "one-versus-one", Preprocessing = "normalization";
Hlong NumComponents = 8;
HClassSvm classSvm;
classSvm.CreateClassSvm(NumFeatures, KernelType, KernelParam, Nu, NumClasses, Mode, Preprocessing, NumComponents);

double Epsilon = 0.01;
HString TrainMode = "default";
classSvm.TrainClassSvm(Epsilon, TrainMode);
classSvm.WriteClassSvm("SVMModel.gsc");

至此完成训练，然后就是识别

HTuple Class2 = fileclassSvm.ClassifyClassSvm(getAllFeats(reg, gray), Num2);

返回值就是识别结果。

存在问题，多类别分类不好判别置信度，就造成无论什么输入都会被判别为某一个类。

解决方案单独训练一个类别，即可得到特征向量与超平面的距离，从而得到一个判别的依据。