opencv中基于HOG和SVM的物体分类思路

http://blog.csdn.net/yongshengsilingsa/article/details/7535496


这里总结网上自己找到的资料,搞一个简单的框架供大家参考一下。

OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html

http://blog.csdn.net/sangni007/article/details/7471222看到一段还不错的代码,结构清楚,虽然注释比较少,但很有参考价值,于是我添加了一些注释,看着更舒服。废话少说,直接上代码:

  1. [cpp] view plaincopyprint  
  2. #include "cv.h"    
  3. #include "highgui.h"    
  4. #include "stdafx.h"    
  5. #include <ml.h>    
  6. #include <iostream>    
  7. #include <fstream>    
  8. #include <string>    
  9. #include <vector>    
  10. using namespace cv;    
  11. using namespace std;    
  12.     
  13.     
  14. int main(int argc, char** argv)      
  15. {      
  16.     vector<string> img_path;//输入文件名变量   
  17.     vector<int> img_catg;    
  18.     int nLine = 0;    
  19.     string buf;    
  20.     ifstream svm_data( "E:/SVM_DATA.txt" );//首先,这里搞一个文件列表,把训练样本图片的路径都写在这个txt文件中,使用bat批处理文件可以得到这个txt文件     
  21.     unsigned long n;    
  22.     
  23.     while( svm_data )//将训练样本文件依次读取进来    
  24.     {    
  25.         if( getline( svm_data, buf ) )    
  26.         {    
  27.             nLine ++;    
  28.             if( nLine % 2 == 0 )//这里的分类比较有意思,看得出来上面的SVM_DATA.txt文本中应该是一行是文件路径,接着下一行就是该图片的类别,可以设置为0或者1,当然多个也无所谓   
  29.             {    
  30.                  img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型,标志(0,1),注意这里至少要有两个类别,否则会出错    
  31.             }    
  32.             else    
  33.             {    
  34.                 img_path.push_back( buf );//图像路径    
  35.             }    
  36.         }    
  37.     }    
  38.     svm_data.close();//关闭文件    
  39.     
  40.     CvMat *data_mat, *res_mat;    
  41.     int nImgNum = nLine / 2; //读入样本数量 ,因为是每隔一行才是图片路径,所以要除以2   
  42.     ////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    
  43.     data_mat = cvCreateMat( nImgNum, 1764, CV_32FC1 );  //这里第二个参数,即矩阵的列是由下面的descriptors的大小决定的,可以由descriptors.size()得到,且对于不同大小的输入训练图片,这个值是不同的  
  44.     cvSetZero( data_mat );    
  45.     //类型矩阵,存储每个样本的类型标志    
  46.     res_mat = cvCreateMat( nImgNum, 1, CV_32FC1 );    
  47.     cvSetZero( res_mat );    
  48.     
  49.     IplImage* src;    
  50.     IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);//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    
  51.     
  52.     //开始搞HOG特征  
  53.     for( string::size_type i = 0; i != img_path.size(); i++ )    
  54.     {    
  55.             src=cvLoadImage(img_path[i].c_str(),1);    
  56.             if( src == NULL )    
  57.             {    
  58.                 cout<<" can not load the image: "<<img_path[i].c_str()<<endl;    
  59.                 continue;    
  60.             }    
  61.     
  62.             cout<<" processing "<<img_path[i].c_str()<<endl;    
  63.                    
  64.             cvResize(src,trainImg);   //读取图片       
  65.             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       
  66.             vector<float>descriptors;//结果数组       
  67.             hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算       
  68.             cout<<"HOG dims: "<<descriptors.size()<<endl;    
  69.             //CvMat* SVMtrainMat=cvCreateMat(descriptors.size(),1,CV_32FC1);    
  70.             n=0;    
  71.             for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
  72.             {    
  73.                 cvmSet(data_mat,i,n,*iter);//把HOG存储下来    
  74.                 n++;    
  75.             }    
  76.                 //cout<<SVMtrainMat->rows<<endl;    
  77.             cvmSet( res_mat, i, 0, img_catg[i] );    
  78.             cout<<" end processing "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;    
  79.     }    
  80.         
  81.                  
  82.     CvSVM svm = CvSVM();//新建一个SVM      
  83.     CvSVMParams param;//这里是参数  
  84.     CvTermCriteria criteria;      
  85.     criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );      
  86.     param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );      
  87. /*     
  88.     SVM种类:CvSVM::C_SVC     
  89.     Kernel的种类:CvSVM::RBF     
  90.     degree:10.0(此次不使用)     
  91.     gamma:8.0     
  92.     coef0:1.0(此次不使用)     
  93.     C:10.0     
  94.     nu:0.5(此次不使用)     
  95.     p:0.1(此次不使用)     
  96.     然后对训练数据正规化处理,并放在CvMat型的数组里。     
  97.                                                         */         
  98.     //☆☆☆☆☆☆☆☆☆(5)SVM学习☆☆☆☆☆☆☆☆☆☆☆☆           
  99.     svm.train( data_mat, res_mat, NULL, NULL, param );//训练啦      
  100.     //☆☆利用训练数据和确定的学习参数,进行SVM学习☆☆☆☆       
  101.     svm.save( "SVM_DATA.xml" );  
  102.     
  103.     //检测样本    
  104.     IplImage *test;    
  105.     vector<string> img_tst_path;    
  106.     ifstream img_tst( "E:/SVM_TEST.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  
  107.     while( img_tst )    
  108.     {    
  109.         if( getline( img_tst, buf ) )    
  110.         {    
  111.             img_tst_path.push_back( buf );    
  112.         }    
  113.     }    
  114.     img_tst.close();    
  115.     
  116.     
  117.     
  118.     CvMat *test_hog = cvCreateMat( 1, 1764, CV_32FC1 );//注意这里的1764,同上面一样    
  119.     char line[512];    
  120.     ofstream predict_txt( "SVM_PREDICT.txt" );//把预测结果存储在这个文本中    
  121.     for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍历所有的待检测图片    
  122.     {    
  123.         test = cvLoadImage( img_tst_path[j].c_str(), 1);    
  124.         if( test == NULL )    
  125.         {    
  126.              cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;    
  127.                continue;    
  128.          }    
  129.             
  130.         cvZero(trainImg);    
  131.         cvResize(test,trainImg);   //读取图片       
  132.         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       
  133.         vector<float>descriptors;//结果数组       
  134.         hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算       
  135.         cout<<"HOG dims: "<<descriptors.size()<<endl;    
  136.         CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);    
  137.         n=0;    
  138.         for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
  139.             {    
  140.                 cvmSet(SVMtrainMat,0,n,*iter);    
  141.                 n++;    
  142.             }    
  143.     
  144.         int ret = svm.predict(SVMtrainMat);//获取最终检测结果,这个predict的用法见 OpenCV的文档   
  145.         std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );    
  146.         predict_txt<<line;    
  147.     }    
  148.     predict_txt.close();    
  149.     
  150. //cvReleaseImage( &src);    
  151. //cvReleaseImage( &sampleImg );    
  152. //cvReleaseImage( &tst );    
  153. //cvReleaseImage( &tst_tmp );    
  154. cvReleaseMat( &data_mat );    
  155. cvReleaseMat( &res_mat );    
  156.     
  157. return 0;    
  158. }    

其中,关于HOG函数HOGDescriptor,见博客http://blog.csdn.net/raocong2010/article/details/6239431

另外,自己需要把这个程序嵌入到另外一个工程中去,因为那里数据类型是Mat,不是cvMat,所以我又修改了上面的程序,并且图片大小也不是固定的64*64,需要自己设置一下图片大小,因为太懒,直接把改好的程序放过来:

  1. #include "stdafx.h"  
  2.   
  3. #include "cv.h"    
  4. #include "highgui.h"    
  5. #include "stdafx.h"    
  6. #include <ml.h>    
  7. #include <iostream>    
  8. #include <fstream>    
  9. #include <string>    
  10. #include <vector>    
  11. using namespace cv;    
  12. using namespace std;    
  13.     
  14.     
  15. int main(int argc, char** argv)      
  16. {      
  17.     int ImgWidht = 120;  
  18.     int ImgHeight = 120;  
  19.     vector<string> img_path;    
  20.     vector<int> img_catg;    
  21.     int nLine = 0;    
  22.     string buf;    
  23.     ifstream svm_data( "E:/apple/SVM_DATA.txt" );    
  24.     unsigned long n;    
  25.     
  26.     while( svm_data )    
  27.     {    
  28.         if( getline( svm_data, buf ) )    
  29.         {    
  30.             nLine ++;    
  31.             if( nLine < 5 )    
  32.             {    
  33.                 img_catg.push_back(1);  
  34.                 img_path.push_back( buf );//图像路径   
  35.             }    
  36.             else    
  37.             {    
  38.                 img_catg.push_back(0);  
  39.                 img_path.push_back( buf );//图像路径   
  40.             }    
  41.         }    
  42.     }    
  43.     svm_data.close();//关闭文件    
  44.     
  45.     Mat data_mat, res_mat;    
  46.     int nImgNum = nLine;            //读入样本数量    
  47.     ////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    
  48.     //data_mat = Mat::zeros( nImgNum, 12996, CV_32FC1 );      
  49.     //类型矩阵,存储每个样本的类型标志    
  50.     res_mat = Mat::zeros( nImgNum, 1, CV_32FC1 );    
  51.     
  52.     Mat src;    
  53.     Mat trainImg = Mat::zeros(ImgHeight, ImgWidht, CV_8UC3);//需要分析的图片    
  54.     
  55.     for( string::size_type i = 0; i != img_path.size(); i++ )    
  56.     {    
  57.         src = imread(img_path[i].c_str(), 1);     
  58.     
  59.         cout<<" processing "<<img_path[i].c_str()<<endl;    
  60.            
  61.         resize(src, trainImg, cv::Size(ImgWidht,ImgHeight), 0, 0, INTER_CUBIC);  
  62.         HOGDescriptor *hog=new HOGDescriptor(cvSize(ImgWidht,ImgHeight),cvSize(16,16),cvSize(8,8),cvSize(8,8), 9);  //具体意思见参考文章1,2       
  63.         vector<float>descriptors;//结果数组       
  64.         hog->compute(trainImg, descriptors, Size(1,1), Size(0,0)); //调用计算函数开始计算  
  65.         if (i==0)  
  66.         {  
  67.              data_mat = Mat::zeros( nImgNum, descriptors.size(), CV_32FC1 ); //根据输入图片大小进行分配空间   
  68.         }  
  69.         cout<<"HOG dims: "<<descriptors.size()<<endl;     
  70.         n=0;    
  71.         for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
  72.         {    
  73.             data_mat.at<float>(i,n) = *iter;    
  74.             n++;    
  75.         }    
  76.         //cout<<SVMtrainMat->rows<<endl;    
  77.         res_mat.at<float>(i, 0) =  img_catg[i];    
  78.         cout<<" end processing "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;    
  79.     }    
  80.                  
  81.     CvSVM svm = CvSVM();  
  82.     CvSVMParams param;    
  83.     CvTermCriteria criteria;      
  84.     criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );      
  85.     param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );     
  86.       
  87. /*     
  88.     SVM种类:CvSVM::C_SVC     
  89.     Kernel的种类:CvSVM::RBF     
  90.     degree:10.0(此次不使用)     
  91.     gamma:8.0     
  92.     coef0:1.0(此次不使用)     
  93.     C:10.0     
  94.     nu:0.5(此次不使用)     
  95.     p:0.1(此次不使用)     
  96.     然后对训练数据正规化处理,并放在CvMat型的数组里。     
  97.                                                         */         
  98.     //☆☆☆☆☆☆☆☆☆(5)SVM学习☆☆☆☆☆☆☆☆☆☆☆☆           
  99.     svm.train( data_mat, res_mat, Mat(), Mat(), param );      
  100.     //☆☆利用训练数据和确定的学习参数,进行SVM学习☆☆☆☆       
  101.     svm.save( "E:/apple/SVM_DATA.xml" );   
  102.     
  103.     //检测样本    
  104.     vector<string> img_tst_path;    
  105.     ifstream img_tst( "E:/apple/SVM_TEST.txt" );    
  106.     while( img_tst )    
  107.     {    
  108.         if( getline( img_tst, buf ) )    
  109.         {    
  110.             img_tst_path.push_back( buf );    
  111.         }    
  112.     }    
  113.     img_tst.close();    
  114.     
  115.     Mat test;  
  116.     char line[512];    
  117.     ofstream predict_txt( "E:/apple/SVM_PREDICT.txt" );    
  118.     for( string::size_type j = 0; j != img_tst_path.size(); j++ )    
  119.     {    
  120.         test = imread( img_tst_path[j].c_str(), 1);//读入图像     
  121.         resize(test, trainImg, cv::Size(ImgWidht,ImgHeight), 0, 0, INTER_CUBIC);//要搞成同样的大小才可以检测到         
  122.         HOGDescriptor *hog=new HOGDescriptor(cvSize(ImgWidht,ImgHeight),cvSize(16,16),cvSize(8,8),cvSize(8,8),9);  //具体意思见参考文章1,2       
  123.         vector<float>descriptors;//结果数组       
  124.         hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算   
  125.         cout<<"The Detection Result:"<<endl;  
  126.         cout<<"HOG dims: "<<descriptors.size()<<endl;    
  127.         Mat SVMtrainMat =  Mat::zeros(1,descriptors.size(),CV_32FC1);    
  128.         n=0;    
  129.         for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
  130.         {    
  131.             SVMtrainMat.at<float>(0,n) = *iter;    
  132.             n++;    
  133.         }    
  134.     
  135.         int ret = svm.predict(SVMtrainMat);    
  136.         std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );   
  137.         printf("%s %d\r\n", img_tst_path[j].c_str(), ret);  
  138.         getchar();  
  139.         predict_txt<<line;    
  140.     }    
  141.     predict_txt.close();    
  142.     
  143. return 0;    
  144. }    
就到这里吧,再整理一下思路。
如果运行的时候出现Link错误,有可能是没有附加依赖项,要添加opencv_objdetect230d.lib,我的OpenCV是2.3版本,所以这里是230.


展开阅读全文

没有更多推荐了,返回首页