HOG+SVM的行人图片和视频检测码源及所需样本

HOG+SVM的行人（图片和视频）检测，在大量的训练样本的基础上得到行人检测描述子，在此基础上调用测试样本（图片及视频），检测效果不错，在机器学习训练过程花费大量时间。已测试码源可用。

// 3.cpp : 定义控制台应用程序的入口点。
//
#include 
//#include 
#include   
#include 
#include 
#include   
#include   
#include   
#include   
#include   
#include 
#include 
#include 
#include 
#include  
using namespace std;
using namespace cv;
char filename[1024];
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;
	}
};
//////////////////////////////////////////////////////////////////////////////////////////////////////////////////
void main（）
{
	CvCapture* cap = cvCreateFileCapture（“G:\\vsgc\\2.avi“）; // 读入视频
	HOGDescriptor hog（Size（64 128） Size（16 16） Size（8 8） Size（8 8） 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 
		svm.load（“G:\\opencv\\11.xml“）;//从xml文件读取训练好的SVM模型  //G:\\opencv\\11.xml 2400pes 12000neg hardexample 4435 
		//G:\\Data\\1.xml  2400pes 12000neg           G:\\opencv\\1500P2000N.xml     G:\\opencv\\2400P12000N.xml
		//G:\\Data\\2.xml  hog_svm自带生成文本
	
	/*************************************************************************************************
	线性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。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（）），
	就可以利用你的训练样本训练出来的分类器进行行人检测了。
	***************************************************************************************************/
	DescriptorDim = svm.get_var_count（）;//特征向量的维数，即HOG描述子的维数  
	int supportVectorNum = svm.get_support_vector_count（）;//支持向量的个数  
	cout << “支持向量个数：“ << supportVectorNum << endl;

	Mat alphaMat = Mat::zeros（1 supportVectorNum CV_32FC1）;//alpha向量，长度等于支持向量个数  
	Mat supportVectorMat = Mat::zeros（supportVectorNum DescriptorDim CV_32FC1）;//支持向量矩阵  
	Mat resultMat = Mat::zeros（1 DescriptorDim CV_32FC1）;//alpha向量乘以支持向量矩阵的结果  

	//将支持向量的数据复制到supportVectorMat矩阵中  
	for （int i = 0; i	{
		const float * pSVData = svm.get_support_vector（i）;//返回第i个支持向量的数据指针  
		for （int j = 0; jriptorDim; j++）
		{
			//cout<			supportVectorMat.at（i j） = pSVData[j];
		}
	}

	//将alpha向量的数据复制到alphaMat中  
	double * pAlphaData = svm.get_alpha_vector（）;//返回SVM的决策函数中的alpha向量  
	for （int i = 0; i	{
		alphaMat.at（0 i） = pAlphaData[i];
	}

	//计算-（alphaMat * supportVectorMat）结果放到resultMat中  
	//gemm（alphaMat supportVectorMat -1 0 1 resultMat）;//不知道为什么加负号？  
	resultMat = -1 * alphaMat * supportVectorMat;

	//得到最终的setSVMDetector（const v

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-06-11 01:40  shipinceshi\
     目录           0  2017-06-11 01:37  shipinceshi\3\
     文件        7893  2017-06-11 01:37  shipinceshi\3\3.cpp
     文件        4647  2017-04-17 13:57  shipinceshi\3\3.vcxproj
     文件        1308  2017-04-17 11:31  shipinceshi\3\3.vcxproj.filters
     文件       24102  2017-04-17 14:22  shipinceshi\3\3.zip
     文件       44073  2017-06-11 01:40  shipinceshi\3\HOGDetectorForOpenCV.txt
     文件        1468  2017-04-17 11:31  shipinceshi\3\ReadMe.txt
     文件    23380170  2017-06-11 01:11  shipinceshi\3\out -1.avi
     文件    22864278  2017-06-11 01:40  shipinceshi\3\out.avi
     文件         207  2017-04-17 11:31  shipinceshi\3\stdafx.cpp
     文件         267  2017-04-17 13:03  shipinceshi\3\stdafx.h
     文件         236  2017-04-17 11:31  shipinceshi\3\targetver.h
     目录           0  2017-06-11 01:26  shipinceshi\3\x64\
     目录           0  2017-06-11 01:37  shipinceshi\3\x64\Debug\
     文件        1634  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.log
     文件      907008  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.obj
     文件     3997696  2017-06-11 01:34  shipinceshi\3\x64\Debug\3.pch
     目录           0  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\
     文件         151  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\3.lastbuildstate
     文件       67642  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\CL.read.1.tlog
     文件        2048  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\CL.write.1.tlog
     文件        6188  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\cl.command.1.tlog
     文件       12592  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\link.command.1.tlog
     文件       14966  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\link.read.1.tlog
     文件        1106  2017-06-11 01:37  shipinceshi\3\x64\Debug\3.tlog\link.write.1.tlog
     文件       10084  2017-06-11 01:34  shipinceshi\3\x64\Debug\stdafx.obj
     文件     1035264  2017-06-11 01:37  shipinceshi\3\x64\Debug\vc120.idb
     文件     1863680  2017-06-11 01:37  shipinceshi\3\x64\Debug\vc120.pdb
     文件    16973824  2017-06-11 01:40  shipinceshi\3.sdf
     文件        1143  2017-04-17 12:34  shipinceshi\3.sln
............此处省略10个文件信息