opencv中SVM

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300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。

--------------------- 本文来自 山在岭就在 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/u013088062/article/details/45113417?utm_source=copy