OpenCV操作SVM+HOG

[cpp]  view plain copy

1. #include "cv.h"     
2. #include "highgui.h"     
3. #include "stdafx.h"     
4. #include <ml.h>     
5. #include <iostream>     
6. #include <fstream>     
7. #include <string>     
8. #include <vector>     
9. using namespace cv;    
10. using namespace std;    
11.     
12.     
13. int main(int argc, char** argv)      
14. {      
15.     vector<string> img_path;    
16.     vector<int> img_catg;    
17.     int nLine = 0;    
18.     string buf;    
19.     ifstream svm_data( "E:/SVM_DATA.txt" );    
20.     unsigned long n;    
21.     
22.     while( svm_data )    
23.     {    
24.         if( getline( svm_data, buf ) )    
25.         {    
26.             nLine ++;    
27.             if( nLine % 2 == 0 )    
28.             {    
29.                  img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型，标志（0,1）     
30.             }    
31.             else    
32.             {    
33.                 img_path.push_back( buf );//图像路径     
34.             }    
35.         }    
36.     }    
37.     svm_data.close();//关闭文件     
38.     
39.     CvMat *data_mat, *res_mat;    
40.     int nImgNum = nLine / 2;            //读入样本数量     
41.     样本矩阵，nImgNum：横坐标是样本数量， WIDTH * HEIGHT：样本特征向量，即图像大小     
42.     data_mat = cvCreateMat( nImgNum, 1764, CV_32FC1 );    
43.     cvSetZero( data_mat );    
44.     //类型矩阵,存储每个样本的类型标志     
45.     res_mat = cvCreateMat( nImgNum, 1, CV_32FC1 );    
46.     cvSetZero( res_mat );    
47.     
48.     IplImage* src;    
49.     IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);//需要分析的图片     
50.     
51.     for( string::size_type i = 0; i != img_path.size(); i++ )    
52.     {    
53.             src=cvLoadImage(img_path[i].c_str(),1);    
54.             if( src == NULL )    
55.             {    
56.                 cout<<" can not load the image: "<<img_path[i].c_str()<<endl;    
57.                 continue;    
58.             }    
59.     
60.             cout<<" processing "<<img_path[i].c_str()<<endl;    
61.                    
62.             cvResize(src,trainImg);   //读取图片        
63.             HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9);  //具体意思见参考文章1,2        
64.             vector<float>descriptors;//结果数组        
65.             hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算        
66.             cout<<"HOG dims: "<<descriptors.size()<<endl;    
67.             //CvMat* SVMtrainMat=cvCreateMat(descriptors.size(),1,CV_32FC1);     
68.             n=0;    
69.             for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
70.             {    
71.                 cvmSet(data_mat,i,n,*iter);    
72.                 n++;    
73.             }    
74.                 //cout<<SVMtrainMat->rows<<endl;     
75.             cvmSet( res_mat, i, 0, img_catg[i] );    
76.             cout<<" end processing "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;    
77.     }    
78.         
79.                  
80.     CvSVM svm = CvSVM();      
81.     CvSVMParams param;      
82.     CvTermCriteria criteria;      
83.     criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );      
84.     param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );      
85. /*     
86.     SVM种类：CvSVM::C_SVC     
87.     Kernel的种类：CvSVM::RBF     
88.     degree：10.0（此次不使用）     
89.     gamma：8.0     
90.     coef0：1.0（此次不使用）     
91.     C：10.0     
92.     nu：0.5（此次不使用）     
93.     p：0.1（此次不使用）     
94.     然后对训练数据正规化处理，并放在CvMat型的数组里。     
95.                                                         */         
96.     //☆☆☆☆☆☆☆☆☆(5)SVM学习☆☆☆☆☆☆☆☆☆☆☆☆            
97.     svm.train( data_mat, res_mat, NULL, NULL, param );      
98.     //☆☆利用训练数据和确定的学习参数,进行SVM学习☆☆☆☆        
99.     svm.save( "SVM_DATA.xml" );      
100.     
101.     //检测样本     
102.     IplImage *test;    
103.     vector<string> img_tst_path;    
104.     ifstream img_tst( "E:/SVM_TEST.txt" );    
105.     while( img_tst )    
106.     {    
107.         if( getline( img_tst, buf ) )    
108.         {    
109.             img_tst_path.push_back( buf );    
110.         }    
111.     }    
112.     img_tst.close();    
113.     
114.     
115.     
116.     CvMat *test_hog = cvCreateMat( 1, 1764, CV_32FC1 );    
117.     char line[512];    
118.     ofstream predict_txt( "SVM_PREDICT.txt" );    
119.     for( string::size_type j = 0; j != img_tst_path.size(); j++ )    
120.     {    
121.         test = cvLoadImage( img_tst_path[j].c_str(), 1);    
122.         if( test == NULL )    
123.         {    
124.              cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;    
125.                continue;    
126.          }    
127.             
128.         cvZero(trainImg);    
129.         cvResize(test,trainImg);   //读取图片        
130.         HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9);  //具体意思见参考文章1,2        
131.         vector<float>descriptors;//结果数组        
132.         hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算        
133.         cout<<"HOG dims: "<<descriptors.size()<<endl;    
134.         CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);    
135.         n=0;    
136.         for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
137.             {    
138.                 cvmSet(SVMtrainMat,0,n,*iter);    
139.                 n++;    
140.             }    
141.     
142.         int ret = svm.predict(SVMtrainMat);    
143.         sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );    
144.          predict_txt<<line;    
145.     }    
146.     predict_txt.close();    
147.     
148. //cvReleaseImage( &src);     
149. //cvReleaseImage( &sampleImg );     
150. //cvReleaseImage( &tst );     
151. //cvReleaseImage( &tst_tmp );     
152. cvReleaseMat( &data_mat );    
153. cvReleaseMat( &res_mat );    
154.     
155. return 0;    
156. }