OpenCv3.0+SVM的使用心得（一）

1.open cv3.0版本中没有了CvSVM类的定义，而是将其写入到一个document中，但是使用也并不复杂，代码示例如下：

ml::SVM::Params params;
params.svmType = ml::SVM::C_SVC;
params.kernelType = ml::SVM::POLY;
params.gamma = 3;
Ptr<ml::SVM> svm = ml::SVM::create(params);
Mat trainData; // 每行为一个样本
Mat labels;    
svm->train( trainData , ml::ROW_SAMPLE , labels );
// ...
Mat query; // 输入, 1个通道
Mat res;   // 输出
svm->predict(query, res);

另外，svm的定义和训练可以写到一起：

Ptr<SVM> svm=StatModel::train<SVM>(trainData,ml::ROW_SAMPLE,labels,params)

2.使用statModel::train(针对所有的机器学习 )的时候，要注意里面的参数（训练样本、训练标签）格式为InputArray，这个格式可以从Mat格式自动生成，但是不能从CvMat格式生成。

3.因此，必要的时候要进行两者的转换。当CvMat->Mat时：

Mat Matfeatures=cv::cvarrToMat(CvMatFeatures)

PS: 从IplImage格式转成Mat格式时也是调用此函数，从Mat转到IplImage格式时：

Mat mat=&IplImage(img);//其中img是IplImage格式数据

不知道这个方法对从Mat到CvMat的转换是否同样适用（估计是可以的）

4.由于3.0不存在为机器学习定义的类，因此不能用调用函数的方法对分类器进行操作，而代之使用:

svm->save("....");//文件形式为xml，可以保存在txt或者xml文件中
svm->getVarCount();//获取SVM支持向量的维数
svm->getSupportVectors;//返回Mat类型，获取SVM的支持向量

5.可以对保存在xml或txt文件中的分类器进行加载。

Ptr<SVM> svm=statModel::load<SVM>("....");

6.在编写程序过程中，使用hog.compute()计算会报内存错误，折磨了一整天，最后将“项目属性”-“链接器”-“输入”中的”附加依赖项”中的ts300.lib和world300.lib删除掉了，只保留ts300d.lib和world300d.lib。具体原因，不详。

7.遇到”error LNK2019: unresolved external symbol __imp___CrtDbgReportW referenced in function “public: double & __thiscall std::vector…..”这种错误时，需要将” C/C++”->”代码生成”的运行库由 “多线程调试(/MTd)” 改为“多线程调试DLL (/MDd)”

8.构建字符串时有时需要将“1，2，3……23，24，25…….”显示成为“001,002,003…..023,024”，可使用’%3d’，如：

spintf(neName,"person_%3d.bmp",i);

9.使用OpenCv里面的机器学习算法时，要保证给的labelData的数据格式为”有符号的整型数”，”CV_32FC1”就是错误的一种形式，应该使用”CV_32SC1”