手把手教你使用 svm+hog 訓練，檢測手寫數字

最近想用svm+hog檢測行人。網上找了很多代碼，都看不太懂。無奈，水平太低。好不容易找到一個博客，介紹的很詳細，但是有一點不太清楚。我在這補充一下。

先貼上原文：http://blog.csdn.net/candyforever/article/details/8963999

http://blog.csdn.net/candyforever/article/details/8564746

寫數字庫：http://code.google.com/p/supplement-of-the-mnist-database-of-handwritten-digits/downloads/list

 

第一步： 下載訓練用的圖片。下載名字為t10k-images-bmp.rar的那個。別的都是二進制文件，只有這個事bmp格式的。

第二步：用批處理命令處理初始實驗數據。

首先，把圖片分文件夾放好。如下：

接下來我就以1為例：在1的文件夾內新建txt文件，里面復制上代碼：dir /b/s/p/w *.bmp > num.txt

然后保存，把這個txt文件的后綴改成bat，雙擊。會得到一個num.txt文件。

接着再新建一個txt文件，里面復制代碼：

setlocal enabledelayedexpansion
for /f "delims= " %%a in (num.txt) do (
set /a line =1
echo %%a >>0.txt
echo !line! >>0.txt
)

后綴改成bat，雙擊。這時黑色窗口會跑一會兒。

接着得到一個名稱為0.txt的文件。里面應該是這樣的：

D:\handwriting\1\1_0.bmp
1
D:\handwriting\1\1_1.bmp
1
D:\handwriting\1\1_10.bmp
1
D:\handwriting\1\1_100.bmp
1
D:\handwriting\1\1_1000.bmp
1
D:\handwriting\1\1_1001.bmp
1
D:\handwriting\1\1_1002.bmp
1

其他文件夾類似處理，但是有一點注意：

如果我在修改3這個文件夾，第二個批處理命令的第三行，應該改成

set /a line =3

得到的0.txt里面的內容應該是：

D:\handwriting\3\3_0.bmp
3
D:\handwriting\3\3_1.bmp
3
D:\handwriting\3\3_10.bmp
3
D:\handwriting\3\3_100.bmp
3

這個樣子。偶數行是訓練樣本所屬的類。

然后，在

這個文件夾里再設置一個批處理，這里叫hb.bat，里面附上代碼：

@echo off
set d=d:\nums
pushd %d%
del hb.tmp 2>nul
for /f "tokens=*" %%i in ('dir/b/s *.txt') do type "%%i">>hb.txt
ren hb.tmp hb.txt
popd

目的就是把在這10個文件夾里的txt文本很到一起，生成hb.txt。其實這里有用的只是每個文件夾里面的0.txt

這個文件，num.txt由於沒有分類號，是用不上的，你可以提前刪去（不刪也無所謂，在訓練的時候會自動舍棄）。

這里的hb.txt的文件就是我們最后要輸入程序的。假設我們把它放在了d盤的根目錄。

 

第三步：訓練代碼

#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "windows.h"
#include "fstream"
using namespace std;
using namespace cv;
int main()
{
    vector<string> img_path;//輸入文件名變量   
    vector<int> img_catg;    
    int nLine = 0;    
    string buf;    
    ifstream svm_data( "D:\\hb.txt" );//剛用批處理得到的文件 
    unsigned long n;     
    while( svm_data )//將訓練樣本文件依次讀取進來    
    {    
        if( getline( svm_data, buf ) )    
        {    
            nLine ++;    
            if( nLine % 2 == 0 )//注：奇數行是圖片全路徑，偶數行是標簽 
            {    
                 img_catg.push_back( atoi( buf.c_str() ) );//atoi將字符串轉換成整型，標志(0,1，2，...，9)，注意這里至少要有兩個類別，否則會出錯    
            }    
            else    
            {    
                img_path.push_back( buf );//圖像路徑    
            }    
        }    
    }    
    svm_data.close();//關閉文件    
    CvMat *data_mat, *res_mat;    
    int nImgNum = nLine / 2; //nImgNum是樣本數量，只有文本行數的一半，另一半是標簽     
    data_mat = cvCreateMat( nImgNum, 324, CV_32FC1 );  //第二個參數，即矩陣的列是由下面的descriptors的大小決定的，可以由descriptors.size()得到，且對於不同大小的輸入訓練圖片，這個值是不同的  
    cvSetZero( data_mat );    
    //類型矩陣,存儲每個樣本的類型標志    
    res_mat = cvCreateMat( nImgNum, 1, CV_32FC1 );    
    cvSetZero( res_mat );    
    IplImage* src;    
    IplImage* trainImg=cvCreateImage(cvSize(28,28),8,3);//需要分析的圖片，這里默認設定圖片是28*28大小，所以上面定義了324，如果要更改圖片大小，可以先用debug查看一下descriptors是多少，然后設定好再運行    
    
    //處理HOG特征  
    for( string::size_type i = 0; i != img_path.size(); i++ )    
    {    
            src=cvLoadImage(img_path[i].c_str(),1);    
            if( src == NULL )    
            {    
                cout<<" can not load the image: "<<img_path[i].c_str()<<endl;    
                continue;    
            }    
    
            cout<<" 處理： "<<img_path[i].c_str()<<endl;    
                   
            cvResize(src,trainImg);     
            HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(14,14),cvSize(7,7),cvSize(7,7),9);      
            vector<float>descriptors;//存放結果     
            hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //Hog特征計算      
            cout<<"HOG dims: "<<descriptors.size()<<endl;        
            n=0;    
            for(vector<float>::iterator iter=descriptors.begin();iter!=descriptors.end();iter++)    
            {    
                cvmSet(data_mat,i,n,*iter);//存儲HOG特征 
                n++;    
            }       
            cvmSet( res_mat, i, 0, img_catg[i] );    
            cout<<" 處理完畢: "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;    
    }    
        
                 
    CvSVM svm = CvSVM();//新建一個SVM      
    CvSVMParams param;//這里是SVM訓練相關參數  
    CvTermCriteria criteria;      
    criteria = cvTermCriteria( CV_TERMCRIT_EPS, 1000, FLT_EPSILON );      
    param = CvSVMParams( CvSVM::C_SVC, CvSVM::RBF, 10.0, 0.09, 1.0, 10.0, 0.5, 1.0, NULL, criteria );          
    
    svm.train( data_mat, res_mat, NULL, NULL, param );//訓練數據     
    //保存訓練好的分類器      
    svm.save( "d:\\HOG_SVM_DATA.xml" );  
       
   //檢測樣本    
    IplImage *test;  
    char result[512]; 
    vector<string> img_tst_path;
    ifstream img_tst( "D:\\SVM_TEST.txt" );  //加載需要預測的圖片集合，隨便放置一個生成的num.txt文件就行
    while( img_tst )  
    {  
        if( getline( img_tst, buf ) )  
        {  
            img_tst_path.push_back( buf );  
        }  
    }  
    img_tst.close(); 

    ofstream predict_txt( "d:\\SVM_PREDICT.txt" );//把預測結果存儲在這個文本中   
    for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍歷所有的待檢測圖片    
    {    
        test = cvLoadImage( img_tst_path[j].c_str(), 1);    
        if( test == NULL )    
        {    
            cout<<" can not load the image: "<<img_tst_path[j].c_str()<<endl;    
            continue;    
        }
        IplImage* trainTempImg=cvCreateImage(cvSize(28,28),8,3);
        cvZero(trainTempImg);    
        cvResize(test,trainTempImg);    
        HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(14,14),cvSize(7,7),cvSize(7,7),9);       
        vector<float>descriptors;//結果數組       
        hog->compute(trainTempImg, descriptors,Size(1,1), Size(0,0));     
        cout<<"HOG dims: "<<descriptors.size()<<endl;    
        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);//檢測結果
        sprintf( result, "%s  %d\r\n",img_tst_path[j].c_str(),ret );
        predict_txt<<result;  //輸出檢測結果到文本
    }
        predict_txt.close();    
        cvReleaseMat( &data_mat );    
        cvReleaseMat( &res_mat );  
        cvReleaseImage(&test);
        cvReleaseImage(&trainImg);
        return 0;
}

待預測的文件內容

 

預測結果應改是這樣：

下面開始檢測步驟：

#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "windows.h"
#include "fstream"
using namespace std;
using namespace cv;
int main()
{
    
    CvSVM svm = CvSVM();
    svm.load("d:\\HOG_SVM_DATA.xml");//加載訓練好的xml文件，這里訓練的是10K個手寫數字
    //檢測樣本    
    IplImage *test;  
    char result[300]; //存放預測結果 
    test = cvLoadImage("d:\\5.bmp", 1); //你自己隨便在繪圖板里寫一個程序
    if (!test)
     {
      MessageBox(NULL,TEXT("待預測圖像不存在！"),TEXT("提示"),MB_ICONWARNING);
      return -1;
     }
     IplImage* trainTempImg=cvCreateImage(cvSize(28,28),8,3);
     cvZero(trainTempImg);    
     cvResize(test,trainTempImg);     
     HOGDescriptor *hog=new HOGDescriptor(cvSize(28,28),cvSize(14,14),cvSize(7,7),cvSize(7,7),9);      
     vector<float>descriptors;//存放結果       
     hog->compute(trainTempImg, descriptors,Size(1,1), Size(0,0)); //Hog特征計算      
     cout<<"HOG dims: "<<descriptors.size()<<endl;  //打印Hog特征維數  ，這里是324
     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);//檢測結果
      sprintf(result, "%d\r\n",ret );
      cvNamedWindow("dst",1);
      cvShowImage("dst",test);
      MessageBox(NULL,result,TEXT("預測結果"),MB_OK);
      cvReleaseImage(&test);
      cvReleaseImage(&trainTempImg);
      return 0;
}