测试 svm 训练的xml 分类器 ~

用 svm 训练了个分类器。

给图片分类的。

目标 ： 1

else ： 0

载入分类器查看效果

 #include "stdafx.h"
 #include "cv.h"
 #include "highgui.h"
 #include
 #include
 #include
 #include
 #include

 using namespace cv;
 using namespace std;


 int main(int argc, char** argv)
 {


     CvSVM svm = CvSVM();//新建一个SVM
     svm.load("SVM_DATA.xml", 0);

     //if(svm == NULL)
     //{
     //  printf("Cant load ur xml!\n");
     //}

     CvCapture *video = cvCaptureFromAVI("D:\\video\\s.avi");
     IplImage *test = NULL; //从视频中抓取的一帧
     IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3); //its size must = img's size which used to train ur xml

     ofstream predict_txt( "SVM_PREDICT.txt" );//把预测结果存储在这个文本中
     int cnt = 0; //用来标记第几帧

     cvNamedWindow( "video");

     while(1)
     {
         test = cvQueryFrame(video);
         if(test == NULL)
         {
             break;
         }
         else
         {


             char line[512];
             cvZero(trainImg);
             cvResize(test,trainImg);   //读取图片
             HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9);  //具体意思见参考文章1,2
             vector<float> descriptors;//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: "<
             CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);
             int  n = 0;
             for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)
             {
                 cvmSet(SVMtrainMat,0,n,*iter);
                 n++;
             }

             int ret = svm.predict(SVMtrainMat);//获取最终检测结果，这个predict的用法见 OpenCV的文档
             std::sprintf( line, "Frame ：  %d\r\n",  ret );
             predict_txt<

             if(ret == 1)
             {
                 CvFont font;   //定义字体结构体
                 cvInitFont(&font,0,1.0,1.0,0,2,8);  //初始化字体结构体
                 char* warn=" Target!!!";
                 cvPutText(test, sun,cvPoint(10,10),&font,CV_RGB(255, 0, 0));   //在窗口中显示warning的红色提示信息
             }

             cvShowImage("video", test);
             cvWaitKey(20);
         }
     }

     cvReleaseImage( &trainImg);
     predict_txt.close();
     system("PAUSE");

     return 0;
 }

测试某个 目录 下的图片：

 #include "stdafx.h"
 #include "cv.h"
 #include "highgui.h"
 #include
 #include
 #include
 #include
 #include

 using namespace cv;
 using namespace std;


 int main(int argc, char** argv)
 {


     CvSVM svm = CvSVM();//新建一个SVM
     svm.load("F:\\test\\SVM_DATA.xml", 0);

     //if(svm == NULL)
     //{
     //  printf("Cant load ur xml!\n");
     //}
     cout<<" load xml"<

     string buf;
     int n = 0;
     IplImage *test;
     vector img_tst_path;
     ifstream img_tst( "F:\\test\\test.txt" );//同输入训练样本，这里也是一样的，只不过不需要标注图片属于哪一类了
     while( img_tst )
     {
         if( getline( img_tst, buf ) )
         {
             img_tst_path.push_back( buf );
         }
     }
     img_tst.close();


     IplImage* trainImg=cvCreateImage(cvSize(64,64),8,3);//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

     CvMat *test_hog = cvCreateMat( 1, 1764, CV_32FC1 );//注意这里的1764，同上面一样
     char line[512];
     ofstream predict_txt( "F:\\test\\SVM_PREDICT.txt" );//把预测结果存储在这个文本中
     for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍历所有的待检测图片
     {
         test = cvLoadImage( img_tst_path[j].c_str(), 1);
         if( test == NULL )
         {
             cout<<" can not load the image: "<
             continue;
         }

         cvZero(trainImg);
         cvResize(test,trainImg);   //读取图片
         HOGDescriptor *hog=new HOGDescriptor(cvSize(64,64),cvSize(16,16),cvSize(8,8),cvSize(8,8),9);  //具体意思见参考文章1,2
         vector<float>descriptors;//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: "<
         CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);
         n=0;
         for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)
         {
             cvmSet(SVMtrainMat,0,n,*iter);
             n++;
         }

         int ret = svm.predict(SVMtrainMat);//获取最终检测结果，这个predict的用法见 OpenCV的文档
         std::sprintf( line, "%s %d\r\n", img_tst_path[j].c_str(), ret );
         predict_txt<
     }
     predict_txt.close();


     cvReleaseImage(&trainImg);

     system("PAUSE");

     return 0;
 }