python(opencv) SVM 测试使用

（SVM简单的编写）
编辑器环境：VsCode , Pycharm
所需要的文件：

正样本文件件（存放正样本图片-需要train 的图片）
负样本文件夹（存放负样本的图片）
测试文件夹（测试图片的存放）

上面的图片是从微信导入。
训练的图片最好使用灰度后的二值化图像，更加好的效果
将正负样本放到同一个 samples 和labels里面，使用SVM train 去训练图片。
注意正负样本的大小需要一致。

import os
import cv2
import numpy as npdef date_load():pwd = os.getcwd()print(pwd)pos_dir = os.path.join(pwd,'positive')if os.path.exists(pos_dir):pos = os.listdir(pos_dir)neg_dir = os.path.join(pwd, 'negative')if os.path.exists(neg_dir):neg = os.listdir(neg_dir)samples = []labels = []# 处理正样品for f in pos:file_path = os.path.join(pos_dir,f)if os.path.exists(file_path):pos_img = cv2.imread(file_path)pos_img = cv2.resize(pos_img,(160,320))descriptors = np.resize(pos_img,(1, 160*320*3))samples.append(descriptors)labels.append(1.)# 处理正样品for f in neg:file_path = os.path.join(neg_dir, f)if os.path.exists(file_path):neg_img = cv2.imread(file_path)neg_img = cv2.resize(neg_img, (160, 320))descriptors = np.resize(neg_img, (1, 160*320*3))samples.append(descriptors)labels.append(-1.)samples_number = len(samples)samples = np.float32(samples)samples = np.resize(samples, (samples_number, 160*320*3))labels = np.int32(labels)labels = np.resize(labels, (samples_number, 1))return samples, labelsdef train_svm(samples, labels):svm = cv2.ml.SVM_create()svm.setKernel(cv2.ml.SVM_LINEAR)svm.setType(cv2.ml.SVM_EPS_SVR)svm.setP(0.1)criterial = (cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS, 5000, 1e-16)svm.setTermCriteria(criterial)svm.train(samples, cv2.ml.ROW_SAMPLE, labels)wT = svm.getSupportVectors()rho,_,_ = svm.getDecisionFunction(0)b = -rhoreturn wT, bif __name__ == '__main__':samples, labels = date_load()wT, b = train_svm(samples, labels)img_num = os.path.join(os.getcwd(), 'test')video = cv2.VideoCapture(0)while True:ret, frame = video.read()src = frame.copy()src = cv2.resize(src, (160, 320))x = np.resize(src, (160 * 320*3, 1))value = np.dot(wT, x)[0][0] + bcv2.imshow('src', src)if value > 0:cv2.putText(frame, 'BALL', (10, 55), 2, 1, (0, 255, 0), 5, cv2.LINE_AA)cv2.imshow('img', frame)cv2.waitKey(1)else:cv2.putText(frame, 'NO BALL', (10, 55), 2, 1, (0, 0, 255), 5, cv2.LINE_AA)cv2.imshow('img', frame)cv2.waitKey(1)if cv2.waitKey(1) == 'q':break# for i in range(12):#     img = cv2.imread('test/' + str(i) + '.jpeg')#     img = cv2.resize(img, (160, 320))#     x = np.resize(img, (160 * 320*3, 1))#     value = np.dot(wT, x)[0][0] + b#     print(value)#     if value > 0:#         cv2.putText(img, 'GOOD', (10, 55), 2, 1, (0, 255, 0), 5, cv2.LINE_AA)#         cv2.imshow('img', img)##         cv2.waitKey(0)#     else:#         cv2.putText(img, 'BAD', (10, 55), 2, 1, (0, 0, 255), 5, cv2.LINE_AA)#         cv2.imshow('img', img)#         cv2.waitKey(0)

将读取摄像头的片段注释打开下面的图片读取就可以实现图片的读取测试

   for i in range(12):img = cv2.imread('test/' + str(i) + '.jpeg')img = cv2.resize(img, (160, 320))x = np.resize(img, (160 * 320*3, 1))value = np.dot(wT, x)[0][0] + bprint(value)if value > 0:cv2.putText(img, 'GOOD', (10, 55), 2, 1, (0, 255, 0), 5, cv2.LINE_AA)cv2.imshow('img', img)cv2.waitKey(0)else:cv2.putText(img, 'BAD', (10, 55), 2, 1, (0, 0, 255), 5, cv2.LINE_AA)cv2.imshow('img', img)cv2.waitKey(0)

其中：
更改下列的 5000 大小就可以更改后面测试样本的逼近超平面的测试逼近值

    criterial = (cv2.TERM_CRITERIA_MAX_ITER + cv2.TERM_CRITERIA_EPS, 5000, 1e-16)

train_svm（）函数为使用 SVM 分类器读取类和标记值。将输出的结果打印在图片上
本程序只针对整张图片的识别检测，在此基础上可以扩展成为具体的物体识别检测。

python(opencv) SVM 测试使用相关推荐

Python+OpenCV：基于SVM手写数据OCR（OCR of Hand-written Data using SVM）
Python+OpenCV:基于SVM手写数据OCR(OCR of Hand-written Data using SVM) dsize = 20 affine_flags = lmc_cv.WARP ...
Python+OpenCV：理解支持向量机（SVM）
Python+OpenCV:理解支持向量机(SVM) 理论线性可分数据(Linearly Separable Data) Consider the image below which has two ...
win10 打开 Intel Realsense R200获取深度和彩色视频流 ,并测试python opencv 获取
一:win10打开 Intel Realsense R200 1.python 需3.6或以上,我的是3.7 2.去官网下载https://github.com/IntelRealSense/lib ...
Python OpenCV开发MR智能人脸识别打卡系统（五、程序入口设计与测试）
需要源码请点赞关注收藏后评论区留言私信~~~ 整体系统讲解如下 Python OpenCV开发MR智能人脸识别打卡系统(一.需求分析与系统设计) Python OpenCV开发MR智能人脸识别打卡系统 ...
使用Python+OpenCV+dlib为人脸生成口罩
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达推荐阅读 42个pycharm使用技巧,瞬间从黑铁变王者Google ...
【Python+OpenCV+sklearn+easygui】人脸（口罩）识别+口罩下人脸补全的系统设计
[写在前面:笔者是一个才接触python半年之久的编程菜鸡,刚好这学期的课程需要用到python做一些有关计算机视觉的设计,于是就根据自己所学,同时借鉴了一些CSDN上各位大佬的思路和代码,做了一个简 ...
Python OpenCV实战应用
OpenCV实战应用摘要传统计算机视觉传统特征提取方法 SIFT(尺度不变特征变换) HOG方向梯度特征图 SIFT和HOG的比较 LBP 建筑物轮廓提取介绍代码 API说明车道线检测介 ...
面部表情识别java_使用Python+OpenCV+dlib为人脸生成口罩
来源:深度学习与计算机视觉本文约4800字,建议阅读6分钟本文试图用OpenCV和dlib库来实现这个过程,在这里我们综合生成5种类型的口罩来绘制人脸图像. 本文使用OpenCV dlib库生成口罩 ...
使用Python,OpenCV在视频中进行实时条形码检测
使用Python,OpenCV在视频中进行实时条形码检测 1. 步骤 2. 适用场景及优化 3. 总结 4. 源码参考上一篇博客介绍了如何检测和查找图像中的条形码.这篇博客将进行一些优化以检测实时 ...

python(opencv) SVM 测试使用

python(opencv) SVM 测试使用相关推荐

最新文章

热门文章