目标检测 机器学习方法 静态场景 测试车辆检测

利用机器学习方法（分类）实现静态场景下的测试车辆检测  利用C语言或者Open_CV库，或者是MATLAB软件编写实现静态场景下的测视车辆检测。需使用机器学习方法。代码可以通过一个主函数直接运行出实验结果。  Data文件夹中包含train_34x94（训练集）和test（测试集）两个文件夹。其中，train_34x94文件夹中的数据用于训练模型，包含pos文件夹（内有550个正例样本）和neg文件夹（内有500个负例样本）； Test文件夹中的数据用于测试。  在Test测试集中的总体检测性能的评价指标为Recall、Precision 和F-measure，写出对算法的性能评价和对实现中遇到问题的理解。

#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;

#define PosSamNO 549    //正样本个数
#define NegSamNO 499    //负样本个数

#define TRAIN false    //是否进行训练true表示重新训练，false表示读取xml文件中的SVM模型

//HardExample必须设置为0，因为特征向量矩阵和特征类别矩阵的维数初始化时用到这个值
#define HardExampleNO 0  


//继承自CvSVM的类，因为生成setSVMDetector（）中用到的检测子参数时，需要用到训练好的SVM的decision_func参数，
//但通过查看CvSVM源码可知decision_func参数是protected类型变量，无法直接访问到，只能继承之后通过函数访问
class MySVM : public CvSVM
{
public:
	//获得SVM的决策函数中的alpha数组
	double * get_alpha_vector（）
	{
		return this->decision_func->alpha;
	}

	//获得SVM的决策函数中的rho参数即偏移量
	float get_rho（）
	{
		return this->decision_func->rho;
	}
};


int main（）
{
	//检测窗口（9434）块尺寸（88）块步长（21）cell尺寸（44）直方图bin个数9
	HOGDescriptor hog（Size（94 34） Size（8 8） Size（2 1） Size（4 4） 9）;//HOG检测器，用来计算HOG描述子的
	int DescriptorDim;//HOG描述子的维数，由图片大小、检测窗口大小、块大小、细胞单元中直方图bin个数决定
	MySVM svm;//SVM分类器

	//若TRAIN为true，重新训练分类器
	if （TRAIN）
	{
		string ImgName;//图片名（绝对路径）
		ifstream finPos（“posSampName.txt“）;//正样本图片的文件名列表
		ifstream finNeg（“negSampName.txt“）;//负样本图片的文件名列表

		Mat sampleFeatureMat;//所有训练样本的特征向量组成的矩阵，行数等于所有样本的个数，列数等于HOG描述子维数	
		Mat sampleLabelMat;//训练样本的类别向量，行数等于所有样本的个数，列数等于1；1表示有人，-1表示无人


		//依次读取正样本图片，生成HOG描述子
		for （int num = 0; num		{
			cout << “处理：“ << ImgName << endl;
			ImgName = “C:\\Users\\张建虎\\Desktop\\CVtest\\train_34x94\\pos\\“ + ImgName;//加上正样本的路径名
			Mat src = imread（ImgName）;//读取图片

			vector descriptors;//HOG描述子向量
			hog.compute（src descriptors Size（2 1））;//计算HOG描述子，检测窗口移动步长（21）
			//cout<<“描述子维数：“<riptors.size（）<
			//处理第一个样本时初始化特征向量矩阵和类别矩阵，因为只有知道了特征向量的维数才能初始化特征向量矩阵
			if （0 == num）
			{
				DescriptorDim = descriptors.size（）;//HOG描述子的维数
				//初始化所有训练样本的特征向量组成的矩阵，行数等于所有样本的个数，列数等于HOG描述子维数sampleFeatureMat
				sampleFeatureMat = Mat::zeros（PosSamNO + NegSamNO + HardExampleNO DescriptorDim CV_32FC1）;
				//初始化训练样本的类别向量，行数等于所有样本的个数，列数等于1；1表示正样本，0表示负样本
				sampleLabelMat = Mat::zeros（PosSamNO + NegSamNO + HardExampleNO 1 CV_32FC1）;
			}

			//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMat
			for （int i = 0; iriptorDim; i++）
				sampleFeatureMat.at（num i） = descriptors[i];//第num个样本的特征向量中的第i个元素
			sampleLabelMat.at（num 0） = 1;//正样本类别为1
		}

		//依次读取负样本图片，生成HOG描述子
		for （int num = 0; num		{
			cout << “处理：“ << ImgName << endl;
			ImgName = “C:\\Users\\张建虎\\Desktop\\CVtest\\train_34x94\\neg\\“ + ImgName;//加上负样本的路径名
			Mat src = imread（ImgName）;//读取图片

			vector descriptors;//HOG描述子向量
			hog.compute（src descriptors Size（2 1））;//计算HOG描述子，检测窗口移动步长（21）
			//cout<<“描述子维数：“<riptors.size（）<
			//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMa

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      77692  2012-10-07 14:28  CVtest\CVtest\123.jpg

     文件       4106  2016-01-19 11:15  CVtest\CVtest\CVtest.vcxproj

     文件        944  2016-01-19 11:15  CVtest\CVtest\CVtest.vcxproj.filters

     文件       2455  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.log

     文件        590  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\cl.command.1.tlog

     文件      17562  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\CL.read.1.tlog

     文件        392  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\CL.write.1.tlog

     文件        167  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\CVtest.lastbuildstate

     文件       1904  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\link.command.1.tlog

     文件       4684  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\link.read.1.tlog

     文件        376  2016-01-19 21:01  CVtest\CVtest\Debug\CVtest.tlog\link.write.1.tlog

     文件     625664  2016-01-19 21:01  CVtest\CVtest\Debug\vc120.idb

     文件    1363968  2016-01-19 21:01  CVtest\CVtest\Debug\vc120.pdb

     文件     517685  2016-01-19 21:01  CVtest\CVtest\Debug\源.obj

     文件     547373  2016-01-19 21:03  CVtest\CVtest\HOGDetectorForOpenCV.txt

     文件       6377  2016-01-19 11:25  CVtest\CVtest\negSampName.txt

     文件       7029  2016-01-19 12:37  CVtest\CVtest\posSampName.txt

     文件     781963  2016-01-19 20:55  CVtest\CVtest\SVM_HOG.xml

     文件       8321  2016-01-19 21:01  CVtest\CVtest\源.cpp

     文件   15794176  2016-01-19 21:03  CVtest\CVtest.sdf

     文件        964  2016-01-19 11:13  CVtest\CVtest.sln

    ..A..H.     25088  2016-01-19 21:03  CVtest\CVtest.v12.suo

     文件     149504  2016-01-19 21:01  CVtest\Debug\CVtest.exe

     文件    1293956  2016-01-19 21:01  CVtest\Debug\CVtest.ilk

     文件    2444288  2016-01-19 21:01  CVtest\Debug\CVtest.pdb

     文件       1717  2016-01-19 10:55  CVtest\opencv249.props

     文件      25458  2002-02-17 07:57  CVtest\test\test-0.bmp

     文件      38890  2002-02-17 07:57  CVtest\test\test-1.bmp

     文件      31078  2002-02-17 07:57  CVtest\test\test-10.bmp

     文件      22022  2002-02-17 07:57  CVtest\test\test-100.bmp

............此处省略1236个文件信息