目标检测 机器学习方法 静态场景 测试车辆检测

#include 
#include 
#include 
#include 
#include 
#include 
#include 

using namespace std;
using namespace cv;

#define PosSamNO 549    //正样本个数
#define NegSamNO 499    //负样本个数

#define TRAIN false    //是否进行训练true表示重新训练，false表示读取xml文件中的SVM模型

//HardExample必须设置为0，因为特征向量矩阵和特征类别矩阵的维数初始化时用到这个值
#define HardExampleNO 0  


//继承自CvSVM的类，因为生成setSVMDetector（）中用到的检测子参数时，需要用到训练好的SVM的decision_func参数，
//但通过查看CvSVM源码可知decision_func参数是protected类型变量，无法直接访问到，只能继承之后通过函数访问
class MySVM : public CvSVM
{
public:
	//获得SVM的决策函数中的alpha数组
	double * get_alpha_vector（）
	{
		return this->decision_func->alpha;
	}

	//获得SVM的决策函数中的rho参数即偏移量
	float get_rho（）
	{
		return this->decision_func->rho;
	}
};


int main（）
{
	//检测窗口（9434）块尺寸（88）块步长（21）cell尺寸（44）直方图bin个数9
	HOGDescriptor hog（Size（94 34） Size（8 8） Size（2 1） Size（4 4） 9）;//HOG检测器，用来计算HOG描述子的
	int DescriptorDim;//HOG描述子的维数，由图片大小、检测窗口大小、块大小、细胞单元中直方图bin个数决定
	MySVM svm;//SVM分类器

	//若TRAIN为true，重新训练分类器
	if （TRAIN）
	{
		string ImgName;//图片名（绝对路径）
		ifstream finPos（“posSampName.txt“）;//正样本图片的文件名列表
		ifstream finNeg（“negSampName.txt“）;//负样本图片的文件名列表

		Mat sampleFeatureMat;//所有训练样本的特征向量组成的矩阵，行数等于所有样本的个数，列数等于HOG描述子维数	
		Mat sampleLabelMat;//训练样本的类别向量，行数等于所有样本的个数，列数等于1；1表示有人，-1表示无人


		//依次读取正样本图片，生成HOG描述子
		for （int num = 0; num		{
			cout << “处理：“ << ImgName << endl;
			ImgName = “C:\Users\张建虎\Desktop\CVtest\train_34x94\pos\“ + ImgName;//加上正样本的路径名
			Mat src = imread（ImgName）;//读取图片

			vector descriptors;//HOG描述子向量
			hog.compute（src descriptors Size（2 1））;//计算HOG描述子，检测窗口移动步长（21）
			//cout<<“描述子维数：“<riptors.size（）<
			//处理第一个样本时初始化特征向量矩阵和类别矩阵，因为只有知道了特征向量的维数才能初始化特征向量矩阵
			if （0 == num）
			{
				DescriptorDim = descriptors.size（）;//HOG描述子的维数
				//初始化所有训练样本的特征向量组成的矩阵，行数等于所有样本的个数，列数等于HOG描述子维数sampleFeatureMat
				sampleFeatureMat = Mat::zeros（PosSamNO + NegSamNO + HardExampleNO DescriptorDim CV_32FC1）;
				//初始化训练样本的类别向量，行数等于所有样本的个数，列数等于1；1表示正样本，0表示负样本
				sampleLabelMat = Mat::zeros（PosSamNO + NegSamNO + HardExampleNO 1 CV_32FC1）;
			}

			//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMat
			for （int i = 0; iriptorDim; i++）
				sampleFeatureMat.at（num i） = descriptors[i];//第num个样本的特征向量中的第i个元素
			sampleLabelMat.at（num 0） = 1;//正样本类别为1
		}

		//依次读取负样本图片，生成HOG描述子
		for （int num = 0; num		{
			cout << “处理：“ << ImgName << endl;
			ImgName = “C:\Users\张建虎\Desktop\CVtest\train_34x94\neg\“ + ImgName;//加上负样本的路径名
			Mat src = imread（ImgName）;//读取图片

			vector descriptors;//HOG描述子向量
			hog.compute（src descriptors Size（2 1））;//计算HOG描述子，检测窗口移动步长（21）
			//cout<<“描述子维数：“<riptors.size（）<
			//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMa

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      77692  2012-10-07 14:28  CVtestCVtest123.jpg

     文件       4106  2016-01-19 11:15  CVtestCVtestCVtest.vcxproj

     文件        944  2016-01-19 11:15  CVtestCVtestCVtest.vcxproj.filters

     文件       2455  2016-01-19 21:01  CVtestCVtestDebugCVtest.log

     文件        590  2016-01-19 21:01  CVtestCVtestDebugCVtest.tlogcl.command.1.tlog

     文件      17562  2016-01-19 21:01  CVtestCVtestDebugCVtest.tlogCL.read.1.tlog

     文件        392  2016-01-19 21:01  CVtestCVtestDebugCVtest.tlogCL.write.1.tlog

     文件        167  2016-01-19 21:01  CVtestCVtestDebugCVtest.tlogCVtest.lastbuildstate

     文件       1904  2016-01-19 21:01  CVtestCVtestDebugCVtest.tloglink.command.1.tlog

     文件       4684  2016-01-19 21:01  CVtestCVtestDebugCVtest.tloglink.read.1.tlog

     文件        376  2016-01-19 21:01  CVtestCVtestDebugCVtest.tloglink.write.1.tlog

     文件     625664  2016-01-19 21:01  CVtestCVtestDebugvc120.idb

     文件    1363968  2016-01-19 21:01  CVtestCVtestDebugvc120.pdb

     文件     517685  2016-01-19 21:01  CVtestCVtestDebug源.obj

     文件     547373  2016-01-19 21:03  CVtestCVtestHOGDetectorForOpenCV.txt

     文件       6377  2016-01-19 11:25  CVtestCVtest
egSampName.txt

     文件       7029  2016-01-19 12:37  CVtestCVtestposSampName.txt

     文件     781963  2016-01-19 20:55  CVtestCVtestSVM_HOG.xml

     文件       8321  2016-01-19 21:01  CVtestCVtest源.cpp

     文件   15794176  2016-01-19 21:03  CVtestCVtest.sdf

     文件        964  2016-01-19 11:13  CVtestCVtest.sln

    ..A..H.     25088  2016-01-19 21:03  CVtestCVtest.v12.suo

     文件     149504  2016-01-19 21:01  CVtestDebugCVtest.exe

     文件    1293956  2016-01-19 21:01  CVtestDebugCVtest.ilk

     文件    2444288  2016-01-19 21:01  CVtestDebugCVtest.pdb

     文件       1717  2016-01-19 10:55  CVtestopencv249.props

     文件      25458  2002-02-17 07:57  CVtest est est-0.bmp

     文件      38890  2002-02-17 07:57  CVtest est est-1.bmp

     文件      31078  2002-02-17 07:57  CVtest est est-10.bmp

     文件      22022  2002-02-17 07:57  CVtest est est-100.bmp

............此处省略1236个文件信息