开篇-HOG提取训练检测+样本制作

【原文：http://www.cnblogs.com/miracled/archive/2012/05/12/2497271.html】

整体框架：样本制作+训练+检测 - （vs2008 + opencv2.3.1 + libsvm(可换用svmlight需改动部分源代码)）

1. 样本制作：Make_Sample类

1.1功能大致如下（如需要详细的介绍，请直接参看源码）

　　Make_Sample() ：加载抠选参数可以采用这种方式，构造实例。

　　Make_Sample(Size winSize,Point tl = Point(),double ratios = 1.0,int numPerPic = 1);

　　　　　winsize：指定抠选区域的大小

　　　　　　tl：指定抠选窗口的左上顶点，如果为（-1，-1）则随机在输入图像有效区域内随机选取。

　　　　　　ratios：指定输入图像的缩放比例，如果＜0则随机有效的比率。最大比率定义在make_sample.h中的MAXRATIOS中，可以自行修改。

　　　　　　numPerPic：指定每张输入图片中输出样本的数量，为随机抠选选项。

　　int Make(string root,string type,string savePath,void (*Proccess)(Mat& ) = 0);

　　　　　　root：输入图片的路径。

　　　　　　type：输入图片的格式。

　　　　　　savePath：抠选样本保存的路径。

　　　　　　void Process(Mat& image)：图像的预处理函数，这个函数可以自行编写你的预处理过程。

int Make(string parmFile, string savePath,void (*Proccess)(Mat& ) = 0);

　　　　　　parmFile：抠选参数，形如

　　　　　　　　G:/database/test/imagexx.jpg 0 0 128 64 1

　　　　　　　　G:/database/test/366.jpg 0 0 128 64 1

　　　　　　　　G:/database/test/1568.jpg 0 0 128 64 1

　　　　　　　　G:/database/test/1939.jpg 0 0 128 64 1

　　　　　　　　path （x，y） winSize ratios // 路径左上顶点窗口大小缩放比例

　　　　　　　　savePath：样本保存路径。

　　　　　　　　void Process（Mat& image）：自定义预处理函数。

2. 训练

2.1 HOG特征提取(使用前请参看后面的5个注意事项)

　　bool initHogs(int num);

　　　　功能：初始化训练参数

　　　　num：提取样本的个数

　　void DetectPacket(Mat& img,Mat& grad_ang);

　　　　功能：计算输入图像img的角度和梯度，保存在grad_ang中

　　void calculateHogs(Mat& grad_ang,Point tl);

　　　　功能：计算一张大图中以tl为左上顶点检测窗口的HOG特征（为检测和寻找困难样本而设置）

　　　　grad_ang：梯度和角度

　　　　tl：检测窗口的左上顶点

　　void calculateHogs(Mat& grad_ang,int ipic);

　　　　功能：计算样本大小，第ipic个样本的HOG特征（为训练而设置）

　　　　grad_ang：梯度和角度

　　　　ipic：样本的编号。

　　void saveHog(char *hpath,int label,bool iscls = false) const;

　　　　功能：保存训练得到的hog特征

　　　　hapth：保存的全路径

　　　　label：保存的标签

　　　　iscls：是否清除上次保存的结果，默认不清除，使用append写入。

　　Mat getHogs() const { return vfeature; }

　　　　功能：获取训练得到的hog特征

　　float *getHogs(int ipic) const

　　　　功能：获取索引为ipic的样本hog特征

　　int FeatureLength() const { return parm.len; }

　　　　功能：获取特征的维数

　　int Height() const { return parm.height; }

　　　　功能：获取检测窗口的高度

　　int Width() const { return parm.width; }

　　　　功能：获取检测窗口的宽度

2.2使用hog特征需要注意的几点：

　　1、只定义了9方向

　　2、只定义L2归一化

　　3、需要使用请解开//#define _GAMMA_COMPRESS_的注释

　　4、高斯加权模板采用的16x16的如果block大小不是（16,16）则需要改动，请参看并修改static double* getGaussMask()函数

　　5、提取前需要加载配置文件Hogcfg.ini

　　　　　　width: 128　　

　　　　　　height: 64

　　　　　　block: 2

　　　　　　cell: 8

　　　　　　normt: 0 //这个参数预留，需要自己添加block归一化方法

3. 训练分类器

3.1获取训练数据

　　void getTrainData(char *root, char *type, int label, char *matlab_data)

　　　　功能：获取hog训练数据。

　　　　root：当前训练样本位置

　　　　type：训练样本格式

　　　　label：训练样本标签

　　　　matlab_data：训练样本保存名称

　　注意：样本必须同检测窗口大小，并且具有相同的标签，例如

　　getTrainData("G:/database/car_detect/pos4/",".jpg",1,"train.txt");

　　getTrainData("G:/database/car_detect/neg4/",".jpg",-1,"train.txt"); 保存名称需要相同，不然需要自己黏贴到一个文件中参与训练。

3.2 训练

　　step1：训练一轮

　　　　训练方法主要有两种

　　第一种：

　　　　需要下载libsvm，使用其中的svm-train.exe文件

　　　　已经打包到一起了，在根目录下找到training_bat.bat，将其中的train.txt修改成你的训练数据名字，双击运行training_bat.bat就可以直接训练一轮得到一个libsvm的model，想自己设定参数请参看svm-train-usage.txt，如何使用svm-train.exe文件。

　　第二种：

　　　　使用matlab训练，不过需要修改hog特征提取中的

　　　　void saveHog(char *hpath,int label,bool iscls = false) const方法。然后将训练数据加载到matlab里训练就可以了。

注：这里得到的libsvm-model都比较大，如果使用的是线性的model的话，使用void changeModel(char *modelname,char *newmodelname,int fealen)方法转化一下就可以得到一个比较小的model，

　　　　modelname：libsvm的model，

　　　　newmodelname：自定义保存model的名字，

　　　　fealen：特征的维数，使用第二种方式训练的在matlab中转化可以参看源码（很简单的）。

　　step2：搜索困难样本

　　　　void findHardSample(char *modelname,char *hardroot,char *type,char *matlab_hard);

　　　　　　功能：利用训练好的线性模型搜索困难样本集，将困难样本数据保存在matlab_hard中

　　　　　　modelname：一个已训练好的线性mode

　　　　　　hardroot：困难样本集路径

　　　　　　type：样本扩展名

　　　　　　matlab_hard：保存困难样本的文件名

step2完成以后，挑选需要再次训练的困难样本与第一轮训练的数据合并，重复step1可以得到最终的分类器。

3. 检测

　　int detectCar(char *modelname,char *imfile);

　　　　功能：检测一张图片中是否含有目标。

　　　　modelname：分类器的路径

　　　　imfile：图片的路径

注意：

1、显示结果请打开//#define _SHOW_DETECT_RESULT_前的注释

2、关于多框的问题请调节，一下方法，具体如何调节请参看源码或网络

　　　　//PostProcess(carRect,1);

PostProcess(carRect,2);

　　　　//RemoveCoveredRectangles(carRect);

使用注意事项：code供学习使用，本人测试能用于检测，但不保证没有任何bug。

以上文档下载包已包含

下载地址：http://pan.baidu.com/share/link?shareid=137019&uk=3104776594

开篇-HOG提取训练检测+样本制作相关推荐

HOG提取训练检测+样本制作
转自 http://www.cnblogs.com/miracled/archive/2012/05/12/2497271.html 利用HOG特征训练分类器说明文档-By miracled 整体框架 ...
HOG+SVM行人检测python实现
目录原理介绍 HOG与SVM行人检测 NMS非最大值抑制数据集算法实现行人检测在图像上给行人画框完整代码 Reference 原理介绍 HOG与SVM行人检测 HOG算法是在2005年 ...
视频教程-遥感影像深度学习样本制作-深度学习
遥感影像深度学习样本制作遥感专业硕士,拥有3年以上的遥感图像数据处理经验,对遥感.GIS等行业的应用有深刻的认识. 郑新杰 ¥20.00 立即订阅扫码下载「CSDN程序员学院APP」,1000+技 ...
人脸检测（二）--人脸识别样本制作及训练测试
闲得没事,折腾下opencv 人脸识别,从样本制作到评估. 1.直接copy opencv里的源码,创建工程,添加opencv库,可以直接cmake源码,但我之所以自己创建工程,是想多学习,并且降低与 ...
人脸识别之人脸检测（二）--人脸识别样本制作及训练测试
原文:https://blog.csdn.net/app_12062011/article/details/51422604 闲得没事,折腾下opencv 人脸识别,从样本制作到评估. 1.直接cop ...
SVM人脸样本训练检测流程
=++++++++++++++++++++++提取 HOG 特征+++++++++++++++++++++++++= //样本矩阵,nImgNum:横坐标是样本数量. 列数是该样本对应的特征维数. ...
caffe安装使用、样本制作、网络修改、错误重新训练!
总的参考博客: 1.安装: 转 Windows+VS2013爆详细Caffe编译安装教程 [caffe-Windows]caffe+VS2013+Windows无GPU快速配置教程 Caffe初试(一 ...
随机森林提取Landsat8水体的样本制作
思路来源于下面文章 python实现随机森林遥感图像分类 - 知乎制作水体非水体样本,我在envi5.3中制作后无法导出为TIFF格式,遂利用arcgis进行样本制作. 首先打开需要提取的影像TIF ...
HOG+SVM行人检测
前言在前面的博客:HOG特征检测学习笔记中,介绍了HOG特征,也附有代码实现.这篇博客中将会使用HOG+SVM这一经典的目标检测算法来进行行人检测,但是不会讨论HOG或者SVM的理论部分,如果有不懂 ...

开篇-HOG提取训练检测+样本制作

开篇-HOG提取训练检测+样本制作相关推荐

最新文章

热门文章