VS+Opencv3.3下用HOG+SVM实现INRIA行人检测

最新推荐文章于 2021-07-23 14:38:31 发布

Maple__tree

最新推荐文章于 2021-07-23 14:38:31 发布

阅读量7.4k

点赞数 12

分类专栏：机器学习，计算机视觉文章标签： svm hog 数据

本文链接：https://blog.csdn.net/k87974/article/details/78583501

版权

本文介绍了使用OpenCV3.3在VS环境下，通过HOG特征和SVM训练行人检测分类器的过程。首先从INRIA行人数据集下载并处理负样本，然后进行训练和测试，展示了检测效果。读者可以尝试调整核函数和参数以优化结果。

摘要由CSDN通过智能技术生成

利用SVM训练一个分类器，用训练好的分类器对测试集里的数据进行检测。

这里是数据下载地址：INRIA行人数据集

点击页面下方的蓝色here即可下载。

下载完成之后，解压缩（为方便操作，建议放于项目目录下或者是根目录下，我这里是放在了D盘下面），进入文件夹，打开Train，有neg负样本，pos正样本。负样本的尺寸是437X292的，所以需要先处理一下，才能够进行训练。下面是处理代码（这里默认你已经配置好了opencv环境）。

#include <iostream>  
#include <fstream>  
#include <stdlib.h> //srand()和rand()函数  
#include <time.h> //time()函数  
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/imgproc/imgproc.hpp>  
#include <opencv2/objdetect/objdetect.hpp>  
#include <opencv2/ml/ml.hpp>  
  
using namespace std;  
using namespace cv;  
  
int CropImageCount = 0; //裁剪出来的负样本图片个数  
  
int main()  
{  
    Mat src;  
    string ImgName;  
  
    char saveName[256];//裁剪出来的负样本图片文件名  
    ifstream fin("D:/INRIAPerson/Train/neg.lst");//打开原始负样本图片文件列表  
  
    //一行一行读取文件列表  
    while(getline(fin,ImgName))  
    {  
        cout<<"处理："<<ImgName<<endl;  
        ImgName = "D:/INRIAPerson" + ImgName;  
      
        src = imread(ImgName,1);//读取图片  
        //cout<<"宽："<<src.cols<<"，高："<<src.rows<<endl;  
      
        //图片大小应该能能至少包含一个64*128的窗口  
        if(src.cols >= 64 && src.rows >= 128)  
        {  
            srand(time(NULL));//设置随机数种子  time(NULL)表示当前系统时间
  
            //从每张图片中随机采样10个64*128大小的不包含人的负样本  
            for(int i=0; i<10; i++)  
            {  
                int x = ( rand() % (src.cols-64) ); //左上角x坐标  
                int y = ( rand() % (src.rows-128) ); //左上角y坐标  
                //cout<<x<<","<<y<<endl;  
                Mat imgROI = src(Rect(x,y,64,128));   
                sprintf(saveName,"D:/INRIAPerson/negphoto/noperson%06d.jpg",++CropImageCount);//生成裁剪出的负样本图片的文件名  
                imwrite(saveName, imgROI);//保存文件  
            }  
        }  
    }  
  
    system("pause");  
}

大概经过几十秒就能生成12000多张负样本的图片了。

接下来就是训练分类器以及对测试样本进行测试了。

#include "opencv2/core/core.hpp"  
#include "opencv2/objdetect.hpp"
#include "opencv2/core/cuda.hpp"
#include "opencv2/highgui/highgui.hpp"  
#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/video/video.hpp"  
#include "opencv2/ml.hpp"
#include "opencv2/opencv.hpp"
#include <opencv2/objdetect/objdetect.hpp>  
#include <opencv2/imgcodecs.hpp>
#include <stdlib.h>
#include <time.h>
#include <algorithm>
#include <math.h>
#include <iostream>  
#include <vector>
#include <fstream>
#include <cstdlib>
using namespace std;
using namespace cv;
using namespace cv::ml;

//函数声明
void get_svm_detector(const Ptr< SVM > & svm, vector< float > & hog_detector);
void convert_to_ml(const std::vector< Mat > & train_samples, Mat& trainData);
void load_images(const String & dirname, vector< Mat > & img_lst, bool showIma