OpenCV的HOG+SVM训练程序注意事项

关于训练程序我封装了一份，大家可以参考一下

http://download.csdn.net/detail/xidianzhimeng/8270413

样本的配置与OpenCV训练Adaboost的类似，相信训练过Adaboost的同学能很快入手的。

行人训练：http://www.tuicool.com/articles/MvYfui

字符识别：http://www.haogongju.net/art/2328003

用OpenCV使用HOG特征进行SVM算法训练的大概流程是

1）设置训练样本集

需要两组数据，一组是数据的类别，一组是数据的向量信息。

2）设置SVM参数，参考《机器模式->libSVM之参数说明》

注意必须使用线性SVM进行训练，因为HogDescriptor检测函数只支持线性检测！！！

3）使用HOGDescriptor计算hog特征

4）训练SVM

调用CvSVM：：train函数建立SVM模型，第一个参数为训练数据，第二个参数为分类结果，最后一个参数即CvSVMParams

5）用这个SVM进行分类

调用函数CvSVM：：predict实现分类，可以采用穷举的方法训练HardExample

6）获得支持向量

调用函数CvSVM：：get_support_vector_count获得支持向量的个数，CvSVM：：get_support_vector获得对应的索引编号的支持向量。

7）保存支持向量与alpha、rho

SVM训练完成后得到的XML文件里面，有一个数组，叫做support vector，还有一个数组，叫做alpha,有一个浮点数，叫做rho;

将alpha矩阵同support vector相乘，注意，alpha*supportVector,将得到一个列向量，将该向量前面乘以-1。之后，再该列向量的最后添加一个元素rho。

如此，变得到了一个分类器，利用该分类器，直接替换opencv中行人检测默认的那个分类器（cv::HOGDescriptor::setSVMDetector()），

int supportVectorNum = svm_train->get_support_vector_count();

cout<<"support vector size of SVM : " << supportVectorNum << "\n";

//支持向量矩阵

Mat sv = Mat::zeros(supportVectorNum, fet_num, CV_32FC1);

//alpha向量，长度等于支持向量个数

Mat alp = Mat::zeros(1, supportVectorNum, CV_32FC1);

//alpha向量乘以支持向量矩阵的结果

Mat re = Mat::zeros(1, fet_num, CV_32FC1);

//将支持向量的数据复制到supportVectorMat矩阵中

for(int i=0; i<supportVectorNum; i++)

{ //返回第i个支持向量的数据指针

const float * pSVData = svm_train->get_support_vector(i);

for(int j=0; j< fet_num; j++)

sv.at<float>(i,j) = pSVData[j];

}

//将alpha向量的数据复制到alphaMat中，返回SVM的决策函数中的alpha向量

double * pAlphaData = svm_train->get_alpha_vector();

for(int i=0; i<supportVectorNum; i++)

alp.at<float>(0,i) = (float)pAlphaData[i];

//计算-(alphaMat * supportVectorMat),结果放到resultMat中，注意因为svm.predict使用的是alpha*sv*another-rho，如果为负的话则认为是正样本，在HOG的检测函数中，使用rho+alpha*sv*another如果为正的话是正样本，所以需要将后者变为负数之后保存起来

re = -1 * alp * sv;

// 将乘积保存起来

ofstream ofs(hog_name.c_str(), ios::out);

if (!ofs.is_open())

cerr << "open file " << hog_name << " failed\n";

for(int i=0; i<fet_num; i++)

ofs << re.at<float>(0, i) << "\n";

float rho = svm_train->get_rho();

ofs << rho << "\n";

ofs.close();

OpenCV的HOG+SVM训练程序注意事项相关推荐

MATLAB 生成 HOG+SVM训练所需的txt文件
MATLAB 生成 HOG+SVM训练所需的txt文件前言很简单的一段代码,用于生成HOG+SVM训练所需的数据的文件列表和标签, txt内容就是一行文件路径和一行标签. 本文是为另一篇博文A服务 ...
OpenCV的支持向量机SVM的程序
步骤: 1,生成随机的点,并按一定的空间分布将其归类 2,创建SVM并利用随机点样本进行训练 3,将整个空间按SVM分类结果进行划分,并显示支持向量 [cpp] view plaincopy #inc ...
行人检测HOG+SVM：综述、INRIADATA数据集、线性SVM
目录 1. 行人检测算法研究综述 2. 基于机器学习的方法:人工特征+分类器 2.1 HOG+SVM 2.2 HOG+Adaboost 2.3 ICF+AdaBoost 2.4 DPM+ latent ...
车牌识别技术详解五--采用LBP+HOG SVM做目标分类，车牌检测，字符检测等
在样本数量比较少的情况下,可以采用HOG.SVM对样本进行初步的筛选出,正负样本,本文接着上一节二值化出来部分样本后,用pictureRelate做初步筛选出正负样本各500,准确训练. 1.pict ...
07-机器学习（Hog+SVM实现小狮子识别）
一.SVM支持向量机什么是SVM支持向量机? SVM支持向量机本质仍是一个分类器,其核心为寻求一个最优超平面最终实现分类,实现分类问题在寻求超平面的时候有多种方式,可以使用若干条直线或曲线进行分类 ...
用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml
opencv中有两个函数可以训练分类器opencv_haartraining.exe和opencv_traincascade.exe,前者只能训练haar特征,后者可以用HAAR.LBP和HOG特征训 ...
OpenCV实战【2】HOG+SVM实现行人检测
目录 HOG是什么? HOG vs SIFT HOG步骤 HOG在检测行人中的方式 Opencv实现 HOGDescriptor的构造函数: 行人检测HOG+SVM步骤简化版的HOG计算 HOG是什 ...
OpenCV实战4： HOG+SVM实现行人检测
目前基于机器学习方法的行人检测的主流特征描述子之一是HOG(Histogram of Oriented Gradient, 方向梯度直方图)HOG 特征是用于目标检测的特征描述子,它通过计算和统计图像 ...
opencv HOG SVM 二
这一部分是hog svm 识别部分训练部分 show me the code #include <iostream> #include <fstream> #include ...

OpenCV的HOG+SVM训练程序注意事项

OpenCV的HOG+SVM训练程序注意事项相关推荐

最新文章

热门文章