SVM（一）

http://blog.youkuaiyun.com/candyforever/article/details/8564746

使用工具 ：VS2010 + OpenCV 2.4.3

手写数字库：http://code.google.com/p/supplement-of-the-mnist-database-of-handwritten-digits/downloads/list

Hog +SVM 训练10K个图片数据得到分类器：HOG_SVM_DATA.xml   整个过程大概需要5分钟左右，看个人电脑配置，若想提高正确率增大训练样本！

有关批处理的命令见下一篇博客，大家共同学习！

[cpp]  view plain copy

1. #include "stdafx.h"  
2. #include "opencv2/opencv.hpp"  
3. #include "windows.h"  
4. #include "fstream"  
5. using namespace std;  
6. using namespace cv;  
7. int _tmain(int argc, _TCHAR* argv[])  
8. {  
9.     vector<string> img_path;//输入文件名变量     
10.     vector<int> img_catg;      
11.     int nLine = 0;      
12.     string buf;      
13.     ifstream svm_data( "D:/nums/hb.txt" );//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       
14.     unsigned long n;       
15.     while( svm_data )//将训练样本文件依次读取进来      
16.     {      
17.         if( getline( svm_data, buf ) )      
18.         {      
19.             nLine ++;      
20.             if( nLine % 2 == 0 )//注：奇数行是图片全路径，偶数行是标签   
21.             {      
22.                  img_catg.push_back( atoi( buf.c_str() ) );//atoi将字符串转换成整型，标志(0,1，2，...，9)，注意这里至少要有两个类别，否则会出错      
23.             }      
24.             else      
25.             {      
26.                 img_path.push_back( buf );//图像路径      
27.             }      
28.         }      
29.     }      
30.     svm_data.close();//关闭文件      
31.     CvMat *data_mat, *res_mat;      
32.     int nImgNum = nLine / 2; //nImgNum是样本数量，只有文本行数的一半，另一半是标签       
33.     data_mat = cvCreateMat( nImgNum, 324, CV_32FC1 );  //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    
34.     cvSetZero( data_mat );      
35.     //类型矩阵,存储每个样本的类型标志      
36.     res_mat = cvCreateMat( nImgNum, 1, CV_32FC1 );      
37.     cvSetZero( res_mat );      
38.     IplImage* src;      
39.     IplImage* trainImg=cvCreateImage(cvSize(28,28),8,3);//需要分析的图片，这里默认设定图片是28*28大小，所以上面定义了324，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      
40.       
41.     //处理HOG特征    
42.     for( string::size_type i = 0; i != img_path.size(); i++ )      
43.     {      
44.             src=cvLoadImage(img_path[i].c_str(),1);      
45.             if( src == NULL )      
46.             {      
47.                 cout<<" can not load the image: "<<img_path[i].c_str()<<endl;      
48.                 continue;      
49.             }      
50.       
51.             cout<<" 处理： "<<img_path[i].c_str()<<endl;      
52.                      
53.             cvResize(src,trainImg);       
54.             HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(14,14),cvSize(7,7),cvSize(7,7),9);        
55.             vector<float>descriptors;//存放结果       
56.             hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //Hog特征计算        
57.             cout<<"HOG dims: "<<descriptors.size()<<endl;          
58.             n=0;      
59.             for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)      
60.             {      
61.                 cvmSet(data_mat,i,n,*iter);//存储HOG特征   
62.                 n++;      
63.             }         
64.             cvmSet( res_mat, i, 0, img_catg[i] );      
65.             cout<<" 处理完毕: "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;      
66.     }      
67.           
68.                    
69.     CvSVM svm = CvSVM();//新建一个SVM        
70.     CvSVMParams param;//这里是SVM训练相关参数    
71.     CvTermCriteria criteria;        
72.     criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );        
73.     param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );            
74.       
75.     svm.train( data_mat, res_mat, NULL, NULL, param );//训练数据       
76.     //保存训练好的分类器        
77.     svm.save( "HOG_SVM_DATA.xml" );    
78.          
79.    //检测样本      
80.     IplImage *test;    
81.     char result[512];   
82.     vector<string> img_tst_path;  
83.     ifstream img_tst( "D:/SVM_TEST.txt" );  //加载需要预测的图片集合，这个文本里存放的是图片全路径，不要标签  
84.     while( img_tst )    
85.     {    
86.         if( getline( img_tst, buf ) )    
87.         {    
88.             img_tst_path.push_back( buf );    
89.         }    
90.     }    
91.     img_tst.close();   
92.   
93.     ofstream predict_txt( "SVM_PREDICT.txt" );//把预测结果存储在这个文本中     
94.     for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍历所有的待检测图片      
95.     {      
96.         test = cvLoadImage( img_tst_path[j].c_str(), 1);      
97.         if( test == NULL )      
98.         {      
99.             cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;      
100.             continue;      
101.         }  
102.         IplImage* trainTempImg=cvCreateImage(cvSize(28,28),8,3);  
103.         cvZero(trainTempImg);      
104.         cvResize(test,trainTempImg);      
105.         HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(14,14),cvSize(7,7),cvSize(7,7),9);         
106.         vector<float>descriptors;//结果数组         
107.         hog->compute(trainTempImg, descriptors,Size(1,1), Size(0,0));       
108.         cout<<"HOG dims: "<<descriptors.size()<<endl;      
109.         CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);      
110.          int n=0;      
111.         for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)      
112.         {      
113.                cvmSet(SVMtrainMat,0,n,*iter);      
114.                n++;      
115.         }      
116.       
117.         int ret = svm.predict(SVMtrainMat);//检测结果  
118.         sprintf( result, "%s  %d\r\n",img_tst_path[j].c_str(),ret );  
119.         predict_txt<<result;  //输出检测结果到文本  
120.     }  
121.         predict_txt.close();      
122.         cvReleaseMat( &data_mat );      
123.         cvReleaseMat( &res_mat );    
124.         cvReleaseImage(&test);  
125.         cvReleaseImage(&trainImg);  
126.         return 0;  
127. }  

训练样本hb.txt文本内容大致如下（总共20000行，批处理得到如下数据）：

总共有10个标签，0到9

待预测文本内容如下（同样批处理得到）：

预测结果文本内容如下：

后面的数字是预测结果，正确率还可以。

训练好了分类器，以后就不要再训练了，直接加载分类器

[cpp]  view plain copy

1. #include "stdafx.h"  
2. #include "opencv2/opencv.hpp"  
3. #include "windows.h"  
4. #include "fstream"  
5. using namespace std;  
6. using namespace cv;  
7. int _tmain(int argc, _TCHAR* argv[])  
8. {  
9.       
10.     CvSVM svm = CvSVM();  
11.     svm.load("HOG_SVM_DATA.xml");//加载训练好的xml文件，这里训练的是10K个手写数字  
12.     //检测样本      
13.     IplImage *test;    
14.     char result[300]; //存放预测结果   
15.     test = cvLoadImage("5.bmp", 1); //待预测图片，用系统自带的画图工具随便手写  
16.     if (!test)  
17.      {  
18.       MessageBox(NULL,TEXT("待预测图像不存在！"),TEXT("提示"),MB_ICONWARNING);  
19.       return -1;  
20.      }  
21.      IplImage* trainTempImg=cvCreateImage(cvSize(28,28),8,3);  
22.      cvZero(trainTempImg);      
23.      cvResize(test,trainTempImg);       
24.      HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(14,14),cvSize(7,7),cvSize(7,7),9);        
25.      vector<float>descriptors;//存放结果         
26.      hog->compute(trainTempImg, descriptors,Size(1,1), Size(0,0)); //Hog特征计算        
27.      cout<<"HOG dims: "<<descriptors.size()<<endl;  //打印Hog特征维数  ，这里是324  
28.      CvMat* SVMtrainMat=cvCreateMat(1,descriptors.size(),CV_32FC1);     
29.      int n=0;      
30.      for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)      
31.      {      
32.            cvmSet(SVMtrainMat,0,n,*iter);      
33.            n++;      
34.       }     
35.       
36.       int ret = svm.predict(SVMtrainMat);//检测结果  
37.       sprintf(result, "%d\r\n",ret );  
38.       cvNamedWindow("dst",1);  
39.       cvShowImage("dst",test);  
40.       MessageBox(NULL,result,TEXT("预测结果"),MB_OK);  
41.       cvReleaseImage(&test);  
42.       cvReleaseImage(&trainTempImg);  
43.       return 0;  
44. }  

待预测图像：

预测结果：