HOG+SVM

本文总结了利用HOG特征和SVM进行图像识别的过程,包括获取样本、提取HOG特征、训练SVM分类器以及图像识别四个步骤。首先,创建样本txt文档并读取其信息,然后通过HOGDescriptor计算图像ROI的HOG特征。接着,使用这些特征训练CvSVM分类器,并保存模型。最后,对新样本进行相同的特征提取,并利用训练好的SVM进行预测。
摘要由CSDN通过智能技术生成

最近在做图像识别方面的东西,先写个总结。主要分为四个过程:

1、获取样本

2、提取HOG特征

3、训练SVM分类器

4、图像识别

下面来详细说说各个过程:

1、获取样本

刚开始自己以为样本需要什么特定的格式,后来发现是我考虑的太多了,其实什么格式都行,只要包含我们所需要的信息,方便我们读取。先建一个txt文档,里面包含所有样本图片的图片名、起点坐标、大小、类别。格式如:1.jpg  0   0   30  30    1 ;name   x  y   width   hight  category。有多少个样本就有多少行这样的数据,然后把所有图片和这个txt文档放在一个目录下。

建一个样本Sample的结构体用来保存从txt文档中读出的样本图片的各种信息,最好是写个函数能够将文档中读出的string类型的一行数据分开保存,保存结果如下:

Sample s;//结构体

s.name=1.jpg;

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值