opencv中SVM的那些事

如果觉得这篇文章对您有所启发，欢迎关注我的公众号，我会尽可能积极和大家交流，谢谢。 

最近在搞人脸性别识别，用到了opencv中封装的SVM分类器，遇到了一些小问题，解决之后感觉对其理解更深一点了，总结下。

首先，理解下SVM得输入格式。SVM的train（）函数主要包含两个输入数据：训练数据矩阵以及对应标签组成的矩阵。其中训练数据为行向量，标签矩阵为列向量。举个例子吧，比如在实验里一共用到300张图片作为训练数据，其中150张为正例样本，150张为负例样本，那么最终得到的训练数据矩阵大小应为150行n列，这里的n代表的就是每一张图片进行特征提取（包括下采样的方法）之后的特征维数，一般在一两千左右。对应的，标签矩阵应为300行1列，存储的内容为对应行特征向量所代表的正负标签，一般去+1和-1，当然取成别的数也可以。

其次需要说明的是就是SVM对于输入的数据类型是有要求的，即mTrainData（训练数据矩阵）以及mFlagPosNeg（标签矩阵）都必须为CV_32FC1类型，因此需要进行类型转换，而且必须保证转换完之后数值都不能大于1，这就给我们了两点启示：1、不能直接用下采用后的图像像素作为训练数据的输入，需要进行类型的归一化。2、类型转换时要使用normlize（）函数，保证其数值范围不大于1，而不能简单的使用Mat的成员函数coverto，只变类型不变数值范围。

最后，把之前找的代码贴在这里，与网上的差不多，大家参考吧，是Hog+SVM的一段代码，批量读取图片时采用的是Csv文件的方法：

        String stCsvFilePos = "E:\\Gender_Reognition_Database\\训练样本\\发型区域\\最终训练样本\\正样本-男性短发\\pos_man.txt";
	String stCsvFileNeg = "E:\\Gender_Reognition_Database\\训练样本\\发型区域\\最终训练样本\\中性负样本\\negative.txt";
	ifstream ifstCsvFilePos(stCsvFilePos,ifstream::in);
	String stImagePath;
	Mat mImageTemp;
	Mat mTrainData;
	int iTrainOrder = 0;
	int iNumCurrent = 0;

	while (getline(ifstCsvFilePos,stImagePath))
	{
		mImageTemp = imread(stImagePath,0);
		resize(mImageTemp,mImageTemp,cv::Size(64,64));

		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     		vector<float>descriptors;//结果数组       
		hog->compute(mImageTemp, descriptors, Size(1,1), Size(0,0)); //调用计算函数开始计算
		if (iNumCurrent==0)  
		{  
			mTrainData = Mat::zeros( 300,descriptors.size(), CV_32FC1 ); //根据输入图片大小进行分配空间   
		}  

		int n=0;    
		for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
		{    
			mTrainData.at<float>(iNumCurrent,n) = *iter;    
			n++;    
		}   
		++iNumCurrent;
	}

	ifstream ifstCsvFileNeg(stCsvFileNeg,ifstream::in);
	while (getline(ifstCsvFileNeg,stImagePath))
	{
		mImageTemp = imread(stImagePath,0);
		resize(mImageTemp,mImageTemp,cv::Size(64,64));

		HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8), 9);      
		vector<float>descriptors;//结果数组       
		hog->compute(mImageTemp, descriptors, Size(1,1), Size(0,0)); //调用计算函数开始计算
		if (iNumCurrent==0)  
		{  
			mTrainData = Mat::zeros( 300,descriptors.size(), CV_32FC1 ); //根据输入图片大小进行分配空间   
		}  

		int n=0;    
		for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
		{    
			mTrainData.at<float>(iNumCurrent,n) = *iter;    
			n++;    
		}   
		++iNumCurrent;
	}

	Mat mFlagPosNeg = Mat::zeros( 300, 1, CV_32FC1 );
	for (int i = 0; i < 150; i++)
	{
		mFlagPosNeg.at<float>(i,0) = 1;
	}
	for (int i = 150; i < 300; i++)
	{
		mFlagPosNeg.at<float>(i,0) = 2;
	}

    CvSVM svm;  
    CvSVMParams param;    
    CvTermCriteria criteria;      
    criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );      
    param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );     

	svm.train(mTrainData,mFlagPosNeg,Mat(),Mat(),param);
	svm.save("E:\\Gender_Reognition_Database\\训练样本\\SVM分类器\\ManShortHairModel.xml");