基于HOG特征提取的svm行人头肩训练

基于HOG特征提取的svm行人头肩训练，提供训练集和测试集的图片，结果导出在txt文件中。

// cv_test.cpp : 定义控制台应用程序的入口点。
//

#include “stdafx.h“
 #include “opencv.hpp“  
#include   
#include   
#include   
#include   
using namespace cv;
using namespace std;


int main（int argc char** argv）
{
	vector img_path;//输入文件名变量 
	vector img_catg;
	int nLine = 0;
	string buf;
	ifstream svm_data（“../SVM_DATA.txt“）;//首先，这里搞一个文件列表，把训练样本图片的路径都写在这个txt文件中，使用bat批处理文件可以得到这个txt文件   
	unsigned long n;

	while （svm_data）//将训练样本文件依次读取进来  
	{
		if （getline（svm_data buf））
		{
			nLine++;
			if （nLine % 2 == 0）//这里的分类比较有意思，看得出来上面的SVM_DATA.txt文本中应该是一行是文件路径，接着下一行就是该图片的类别，可以设置为0或者1，当然多个也无所谓 
			{
				img_catg.push_back（atoi（buf.c_str（）））;//atoi将字符串转换成整型，标志（01），注意这里至少要有两个类别，否则会出错  
			}
			else
			{
				img_path.push_back（buf）;//图像路径  
			}
		}
	}
	svm_data.close（）;//关闭文件  

	int nImgNum = nLine / 2; //读入样本数量 ，因为是每隔一行才是图片路径，所以要除以2 
	////样本矩阵，nImgNum：横坐标是样本数量， WIDTH * HEIGHT：样本特征向量，即图像大小  
	Mat data_mat（nImgNum 1764 CV_32FC1）;  //这里第二个参数，即矩阵的列是由下面的descriptors的大小决定的，可以由descriptors.size（）得到，且对于不同大小的输入训练图片，这个值是不同的
	data_mat.setTo（0）;
	//类型矩阵存储每个样本的类型标志  
	Mat res_mat（nImgNum 1 CV_32FC1）;
	res_mat.setTo（0）;

	Mat src;
	Mat trainImg;//需要分析的图片，这里默认设定图片是64*64大小，所以上面定义了1764，如果要更改图片大小，可以先用debug查看一下descriptors是多少，然后设定好再运行  

	//开始搞HOG特征
	for （string::size_type i = 0; i != img_path.size（）; i++）
	{
		src = imread（img_path[i].c_str（） 1）;
		if （&src == NULL）
		{
			cout << “ can not load the image: “ << img_path[i].c_str（） << endl;
			continue;
		}

		cout << “ processing “ << img_path[i].c_str（） << endl;

		resize（src trainImg Size（64 64）CV_8UC3）;   //读取图片     
		HOGDescriptor *hog = new HOGDescriptor（Size（64 64） Size（16 16） Size（8 8） Size（8 8） 9）;  //具体意思见参考文章12     
		vectordescriptors;//结果数组     
		hog->compute（trainImg descriptors Size（1 1） Size（0 0））; //调用计算函数开始计算     
		cout << “HOG dims: “ << descriptors.size（） << endl;
		//CvMat* SVMtrainMat=cvCreateMat（descriptors.size（）1CV_32FC1）;  
		n = 0;
		for （vector::iterator iter = descriptors.begin（）; iter != descriptors.end（）; iter++）
		{
			data_mat.at（i n）= *iter;//把HOG存储下来  
			n++;
		}
		//cout<rows<		res_mat.at（i 0）= img_catg[i];
		cout << “ end processing “ << img_path[i].c_str（） << “ “ << img_catg[i] << endl;		
	}


	SVM svm /*= CvSVM（）*/;//新建一个SVM    
	SVMParams param;//这里是参数
	TermCriteria criteria;
	criteria = TermCriteria（CV_TERMCRIT_EPS 1000 FLT_EPSILON）;
	param = SVMParams（SVM::C_SVC SVM::RBF 10.0 0.09 1.0 10.0 0.5 1.0 NULL criteria）;
	/*
	SVM种类：CvSVM::C_SVC
	Kernel的种类：CvSVM::RBF
	degree：10.0（此次不使用）
	gamma：8.0
	coef0：1.0（此次不使用）
	C：10.0
	nu：0.5（此次不使用）
	p：0.1（此次不使用）
	然后对训练数据正规化处理，并放在CvMat型的数组里。
	*/
	//☆☆☆☆☆☆☆☆☆（5）SVM学习☆☆☆☆☆☆☆☆☆☆☆☆         
	svm.train（data_mat res_mat Mat（） Mat（） param）;//训练啦    
	//☆☆利用训练数据和确定的学习参数进行SVM学习☆☆☆☆     
	svm.save（“SVM_DATA.xml“）;
	//检测样本  
	Mat

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-10-07 00:08  HOG_SVM（opencv2）\
     目录           0  2017-10-07 00:08  HOG_SVM（opencv2）\Datas\
     文件        9210  2017-10-06 23:40  HOG_SVM（opencv2）\Datas\Te1.jpg
     文件        8337  2017-10-05 23:25  HOG_SVM（opencv2）\Datas\Te10.jpg
     文件       14351  2017-10-05 23:26  HOG_SVM（opencv2）\Datas\Te11.jpg
     文件       10232  2017-10-05 23:27  HOG_SVM（opencv2）\Datas\Te12.jpg
     文件       13158  2017-10-05 22:41  HOG_SVM（opencv2）\Datas\Te2.jpg
     文件        8176  2017-10-05 22:42  HOG_SVM（opencv2）\Datas\Te3.jpg
     文件        6995  2017-10-05 22:42  HOG_SVM（opencv2）\Datas\Te4.jpg
     文件        2841  2017-10-05 22:44  HOG_SVM（opencv2）\Datas\Te5.jpg
     文件        6537  2017-10-05 22:45  HOG_SVM（opencv2）\Datas\Te6.jpg
     文件        3016  2017-10-05 22:45  HOG_SVM（opencv2）\Datas\Te7.jpg
     文件        4529  2017-10-05 22:46  HOG_SVM（opencv2）\Datas\Te8.jpg
     文件       16990  2017-10-05 23:24  HOG_SVM（opencv2）\Datas\Te9.jpg
     文件       13019  2017-10-05 22:32  HOG_SVM（opencv2）\Datas\Tr1.jpg
     文件       11508  2017-10-05 23:19  HOG_SVM（opencv2）\Datas\Tr10.jpg
     文件       13000  2017-10-05 23:20  HOG_SVM（opencv2）\Datas\Tr11.jpg
     文件       12585  2017-10-05 23:21  HOG_SVM（opencv2）\Datas\Tr12.jpg
     文件        1663  2017-10-05 23:30  HOG_SVM（opencv2）\Datas\Tr13.jpg
     文件        3606  2017-10-05 23:31  HOG_SVM（opencv2）\Datas\Tr14.jpg
     文件        5016  2017-10-05 23:31  HOG_SVM（opencv2）\Datas\Tr15.jpg
     文件        5724  2017-10-05 23:32  HOG_SVM（opencv2）\Datas\Tr16.jpg
     文件       11657  2017-10-05 22:33  HOG_SVM（opencv2）\Datas\Tr2.jpg
     文件       14154  2017-10-05 22:34  HOG_SVM（opencv2）\Datas\Tr3.jpg
     文件       16569  2017-10-05 22:35  HOG_SVM（opencv2）\Datas\Tr4.jpg
     文件        4345  2017-10-05 22:39  HOG_SVM（opencv2）\Datas\Tr5.jpg
     文件        4128  2017-10-05 22:36  HOG_SVM（opencv2）\Datas\Tr6.jpg
     文件        2790  2017-10-05 22:37  HOG_SVM（opencv2）\Datas\Tr7.jpg
     文件        3644  2017-10-05 22:38  HOG_SVM（opencv2）\Datas\Tr8.jpg
     文件        8113  2017-10-05 23:19  HOG_SVM（opencv2）\Datas\Tr9.jpg
     目录           0  2017-10-07 00:08  HOG_SVM（opencv2）\Debug\
............此处省略49个文件信息