OpenCV入门（24）：hog + svm 目标识别案例

最新推荐文章于 2023-03-16 21:03:17 发布

Home丶Basic

最新推荐文章于 2023-03-16 21:03:17 发布

阅读量491

点赞数

分类专栏： OpenCV

本文链接：https://blog.csdn.net/weixin_44650248/article/details/95964553

版权

本文介绍了使用OpenCV库结合HOG特征和SVM分类器进行目标检测的步骤，包括理解HOG描述子、准备训练数据、训练SVM模型以及应用模型进行图像检测。通过实例解析，帮助初学者掌握这一计算机视觉技术。

摘要由CSDN通过智能技术生成

# 1.样本  2.训练  3.test 测试
# 正样本：包含所检测的obj  负样本：不包含obj
# 一个好的样本 远胜于 一个复杂的神经网络
# 对于ml而言：样本数：K，W ； 对于dl：M
# 正样本 ： 尽可能多样化（环境多样、干扰多样）
# 样本数  pos：820  neg：1931 ；一般情况下，正负样本比例在1:2,1:3之间

# 训练
# 1.par 2.hog 3.svm 4.compute hog 5.label 6.train 7.pred 8.draw
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 1.par
posNum = 820
negNum = 1931
winSize = (64,128)
blockSize = (16,16)#一个win下有105个block
blockStride = (8,8)
cellSize = (8,8)
numBin = 9# 3780 bin 即hog特征是3780维

# 2.hog
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,numBin)

# 3.svm
svm = cv2.ml.SVM_create()

# 4.compute hog
featureNum = int(((128-16)/8+1)*((64-16)/8+1)