python训练svm分类器_如何使用Python中的OpenCV 3.0中的HOG功能训练SVM分类器？

目前我有同样的问题,我看过OpenCV的以下文件：

在哪里可以找到答案的一部分：

deskewed = [map(deskew,row) for row in train_cells]

hogdata = [map(hog,row) for row in deskewed]

trainData = np.float32(hogdata).reshape(-1,64)

responses = np.float32(np.repeat(np.arange(10),250)[:,np.newaxis])

svm = cv2.ml.SVM_create()

svm.setKernel(cv2.ml.SVM_LINEAR)

svm.setType(cv2.ml.SVM_C_SVC)

svm.setC(2.67)

svm.setGamma(5.383)

svm.train(trainData, cv2.ml.ROW_SAMPLE, responses)

svm.save('svm_data.dat')

那是我正在合作的.一旦我解决了,我会更新答案.但此刻我希望它对你有所帮助.

………………………………………….. ……………………..

您可以在此opencv目录中找到名为digits.py的示例：

\opencv\sources\samples\python

根据您的opencv版本,SVM类的方法存在一些差异.这是opencv 3.1的一个例子.

svm = cv2.ml.SVM_create()

svm.setType(cv2.ml.SVM_C_SVC)

svm.setKernel(cv2.ml.SVM_RBF) # cv2.ml.SVM_LINE