SVM人脸样本训练检测流程

=++++++++++++++++++++++提取 HOG 特征+++++++++++++++++++++++++=

//样本矩阵，nImgNum：横坐标是样本数量。 列数是该 样本对应的 特征维数。ex: 样本是学生，其样本特征可以由 身高，体重，年龄 组成，那么  第二个参数就是 3 啦。

CvMat *data_mat = cvCreateMat( nImgNum, 1764, CV_32FC1 ); 

1764 是如何计算出来的。

1. 先确定 你 要训练 以及 检测 的图片 的 大小  IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);  

   ok  这里是  64 x 64

2.  确定 HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9); 

     第一个 窗口 大小 设置 为 上面的图片大小 64 x 64 。 

    第二个 块大小 是 16 x 16 的话 [ 额  这个肿么确定？与前面的 窗口大小有关系 么？ 这是opencv中默认的大小]

    第三个 块block的步进 stride 8 x 8

    第四个是 胞元cell大小 8 x 8

   第五个是 cell的直方图的 bin = 9

   梯度方向数 nbins

   nBins表示在一个胞元（cell）中统计梯度的方向数目，例如nBins=9时，在一个胞元内统计9个方向的梯度直方图，每个方向为180/9=20度。

   每个 cell 有 9 个向量

   每个block 有 (16 / 8 ) * (16 / 8) = 2 * 2 = 4 个 cell， 那么现在就有 4 * 9 = 36 个向量啦

   每个 窗口 有多少个 block 呢？

利用公式   (window_size - block_size)/block_stride + 1  对两个方向进行计算：

  ( 64 - 16) / 8 + 1 = 7

         两个方向  7 * 7 = 49

   so  共有  49* 36 = 1764

//类型矩阵,存储每个样本的类型标志 , 一维，只需要存储该样本属于哪一类即可(只有两类)
 CvMat *   res_mat = cvCreateMat( nImgNum, 1, CV_32FC1 );  

HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9); 

// 计算hog特征

// trainImg是读入的需要计算特征的图像，IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);

//descriptors 是结果数组   vector<float>  descriptors;   HOG特征的维数就是 =  descriptors.size 啦，上例中，就是 那个3 啦。

hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); 

//计算完成后，把hog特征存储到 上面声明的那个 样本 矩阵中

 //   i   是当前处理的第  i  张 图片， n 从 0 开始 ++ ，从第 0 列 开始存储。 *iter  是 (vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++) 

 cvmSet(data_mat, i, n,*iter);  

//  训练读入的图片是有  标签 的( 知道已知属于哪一类),  将标签存入  标签 矩阵 。i 是当前处理的 图片 的 编号。 img_catg[i] 是  读入 的已知的 数据。

cvmSet( res_mat, i, 0, img_catg[i] ); 

++++++++++++++++++++++++++++++++++开始训练+++++++++++++++++++++++++++

首先要/新建一个SVM    

CvSVM svm = CvSVM();

// 开始训练~

 svm.train( data_mat, res_mat, NULL, NULL, param );   //data_mat 是 上面提取 到的 HOG特征，存储 m 个样本的 n 个特征， res_mat 是标签矩阵，m个样本属于哪一类，已//  知的。   param 的定义如下：

CvSVMParams param  = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );  

CvTermCriteria   criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );   

// 将训练结果保存在 xml文件中

 svm.save( "SVM_DATA.xml" );

此阶段生成文件：

SVM_DATA.xml

训练完成之后，就开始 对 你所需要 的 数据 进行 预测。 这里预测  当前 图片 属于 那一类别。

++++++++++++++++++++++++++++++++++检测样本+++++++++++++++++++++++++++

读入当前要预测的图片 testImg

将testImg 缩放 至 与 训练图片 一样大小 ，直接存放到 trainImg中

计算读入的图片的Hog特征，

 hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算     

仍用 vector<float> descriptors;  存放结果 

创建一个  一行  n 列 的向量。  n 是 特征的个数 。 就是上面的 3 啊， descriptors.size() 啊。   用来存放  当前要预测的图片的 特征

 CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1); 

// 开始预测

 int ret = svm.predict(SVMtrainMat);

ret 返回的是 当前 预测 的 图片 的  类别。 就是   一开始 读到  标签 矩阵 中的 数据。 一般 用 0 or 1  来标示 两大类别。

可将结果文件保存在：

SVM_PREDICT.txt

************************************************Hog详解********************************************************************

HOG基本概念

在构造函数中，有几个参数非常重要，分别为winSize(64,128),  blockSize(16,16),  blockStride(8,8), cellSize(8,8),  nbins(9)。在此，用几个示意图来表示。

a)       窗口大小winSize

b)      块大小blockSize

c)       胞元大小cellSize

 

d)       梯度方向数

nbins代表在一个胞元中统计梯度的方向数目。如：nbins=9表示一个胞元内统计9个方向的梯度直方图。

Hog特征维数的计算

首先给出一个hog

HOGDescriptor* hog = newHOGDescriptor(cvSize(64, 48), cvSize(8, 6), cvSize(8, 6), cvSize(4, 3), 9);

根据上面的概念可知，cvSize(64,48)表示窗口的大小，cvSize(8, 6)表示块（block）大小，cvSize(8,6)表示块滑动增量（blockStride）大小，cvSize(4, 3)表示胞元（cell）大小，9表示每个胞单元中梯度直方图的数量。

注：输入的图片尺寸为640×480。

据此，可知：

一个块（block）包含A=(blockSize.width/cellSize.width)*(blockSize.height / cellSize.height)个胞元（cell），所以一个块（block）含有9A个梯度直方图。按照所给出的数据，可得结果为36。

一个窗口包含B=((windowSize.width-blockSize.width)/(blockStrideSize.width)+1)* ((windowSize.height-blockSize.height)/(blockStrideSize.height)+1)个块（block），所以一个窗口包含9AB个梯度直方图。

按照所给出的数据，可得结果为2304。

 

其次，计算特征向量hog->compute(trainImg,descriptors, Size(64, 48), Size(0, 0))

此处，trainImg代表输入的图片（此处尺寸为640×480），descriptors表示保存特征结果的Vector，Size(64,48)表示windows的步进，第四个为padding，用于填充图片以适应大小。

当padding以默认状态Size(0,0)出现，滑动窗口window来计算图片时，

结果不一定为整数。

此时，查看compute()函数发现，其中有一段代码如下：

padding.width = (int)alignSize(std::max(padding.width,0), cacheStride.width);

padding.height = (int)alignSize(std::max(padding.height,0), cacheStride.height);

这段代码就是用来将padding的大小来适应stride的大小。

在我的实例中，由于取得数都事先设计好，都是整数。而当若结果不为整数时，则将其取值为比其大的最小整数。如若padding.width计算为7.8时，就取8.

 

所以一幅640×480的图片，按照前面的参数，则可以取的特征数为230400维。