OpenCV中使用SVM分类器

最新推荐文章于 2025-06-24 21:45:00 发布

小白菜si

最新推荐文章于 2025-06-24 21:45:00 发布

阅读量3.4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习数据科学分析

本文链接：https://blog.youkuaiyun.com/qq_40760163/article/details/89284761

这篇博客介绍了如何在OpenCV中使用SVM（支持向量机）进行分类，包括训练样本获取、标签获取、分类器创建、训练、预测和结果绘图。文章通过代码展示了预测结果res和pre的值，并解释了pre0 = pre[res<0.5]的含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在opencv中支持SVM分类器，过程就是：先训练再预测(python实现)

# svm 对于数据的要求: 所有的数据都要有label
# [155,48] -- 0 女生 [152,53] ---1  男生
# 监督学习 0 负样本 1 正样本

步骤一：获取训练样本

#1.获取训练样本,2类
row = 30
data1 = np.ones((row,2))+np.random.rand(row,2)              #[1,2)       1.5为中心
data2 = np.ones((row,2))*(-2)+np.random.rand(row,2)         #[-2,-1)    -1.5为中心

plt.figure(1)
plt.plot(data1[:,0],data1[:,1],'o')
plt.plot(data2[:,0],data2[:,1],'o')

#data = np.vstack(data1, data2)                #报错
data = np.vstack((data1,data2))                #将两种训练样本合并,这里无法转float32格式,所以才有下一行代码
data = np.array(data,dtype='float32')          #将训练样本转换成要求的float32格式才可以

步骤二：获取训练标签

#2.获取标签
label_data1 = np.zeros((row,1),dtype='int32')           #将训练标签转换成要求的int32格式才可以
label_data2 = np.ones((row,1),dtype='int32')
label = np.vstack((label_data1,label_data2))            #行堆积,另起一行,得到一个60x2的数组
label = np.array(label,dtype='int32')                   #这句话可有可无,因为label_data1和label_data2已声明int32类型

步骤三：创建分类器