之前说要用SVM实现表情识别来着,所以找个简单例子练练手。
惯例开始放结果,实现结果如下:
//这里简单对四个点分了四类,图片显示得很直观。
//支持向量总共6个。
//最后测试了两个点进行分类。
只需要配置好Opencv3的环境即可运行。
这里用到的是cv::SVM, 老版本Opencv2410之前用的是CvSvm,推荐用最新的Opencv310。
下面就是简单粗暴的代码啦:
#include
using namespace std;
using namespace cv;
using namespace cv::ml;
int main()
{
//训练需要用到的数据
int 标签[4] = { 1, 2, 3, 4 };
float 训练数据[4][2] = { { 31, 12 },{ 65, 220 },{ 440, 350 },{ 400, 400 } };
//转为Mat以调用
Mat 训练Mat(4, 2, CV_32FC1, 训练数据);
Mat 标签label(4, 1, CV_32SC1, 标签);
//训练的初始化
Ptr svm = SVM::create();
svm->setType(SVM::C_SVC);
svm->setKernel(SVM::LINEAR);
svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 100, 1e-6));
//开始训练
svm->train(训练Mat, ROW_SAMPLE, 标签label);
//-----------无关紧要的美工的部分-----------------------
//----其实对每个像素点的坐标也进行了分类----------------
int 宽 = 512, 高 = 512;
Mat 演示图片 = Mat::zeros(高, 宽, CV_8UC3);
Vec3b green(0, 255, 0), blue(255, 0, 0), red(0, 0, 255), black(0, 0, 0);
for (int i = 0; i < 演示图片.rows; ++i)
for (int j = 0; j < 演示图片.cols; ++j)
{
Mat sampleMat = (Mat_(1, 2) << j, i);
float response = svm->predict(sampleMat);
if (response == 1)
演示图片.at(i, j) = green;
else if (response == 2)
演示图片.at(i, j) = blue;
else if (response == 3)
演示图片.at(i, j) = red;
else if (response == 4)
演示图片.at(i, j) = black;
}
//--------把初始化训练的点画进图片------------
int thickness = -1;
int lineType = 8;
for (int 画点 = 0; 画点 < sizeof(标签) / sizeof(int); 画点++) {
circle(演示图片, Point(训练数据[画点][0], 训练数据[画点][1]), 10, Scalar(255, 255, 255), thickness, -1);
}
// 把 support vectors cout粗来看看……
Mat sv = svm->getSupportVectors();
cout << "Support Vectors为:" << endl;
for (int i = 0; i < sv.rows; ++i)
{
const float* v = sv.ptr(i);
cout << v[0] << " " << v[1] << endl;
}
//测试测试
Mat 结果;
float teatData[2][2] = { { 20, 11 },{ 310, 411 } };
Mat query(2, 2, CV_32FC1, teatData);
svm->predict(query, 结果);
cout << "分类结果为:" << endl;
cout << 结果;
imshow("SVM显示", 演示图片);
waitKey(-1);
}