手把手教你使用 svm+hog 训练，检测手写数字

最近想用svm+hog检测行人。网上找了很多代码，都看不太懂。无奈，水平太低。好不容易找到一个博客，介绍的很详细，但是有一点不太清楚。我在这补充一下。



先贴上原文：http://blog.csdn.net/candyforever/article/details/8963999
http://blog.csdn.net/candyforever/article/details/8564746
写数字库：http://code.google.com/p/supplement-of-the-mnist-database-of-handwritten-digits/downloads/list

第一步： 下载训练用的图片。下载名字为t10k-images-bmp.rar的那个。别的都是二进制文件，只有这个事bmp格式的。

第二步：用批处理命令处理初始实验数据。

首先，把图片分文件夹放好。如下：



接下来我就以1为例：在1的文件夹内新建txt文件，里面复制上代码：dir /b/s/p/w *.bmp > num.txt

然后保存，把这个txt文件的后缀改成bat，双击。会得到一个num.txt文件。

接着再新建一个txt文件，里面复制代码：

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

后缀改成bat，双击。这时黑色窗口会跑一会儿。

接着得到一个名称为0.txt的文件。里面应该是这样的：

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

其他文件夹类似处理，但是有一点注意：

如果我在修改3这个文件夹，第二个批处理命令的第三行，应该改成

set /a line =3

得到的0.txt里面的内容应该是：

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

这个样子。偶数行是训练样本所属的类。

然后，在



这个文件夹里再设置一个批处理，这里叫hb.bat，里面附上代码：

@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

目的就是把在这10个文件夹里的txt文本很到一起，生成hb.txt。其实这里有用的只是每个文件夹里面的0.txt

这个文件，num.txt由于没有分类号，是用不上的，你可以提前删去（不删也无所谓，在训练的时候会自动舍弃）。

这里的hb.txt的文件就是我们最后要输入程序的。假设我们把它放在了d盘的根目录。

第三步：训练代码

#include "stdafx.h"
#include "opencv2/opencv.hpp"
#include "windows.h"
#include "fstream"
using namespace std;
using namespace cv;
int main()
{
vector<string> img_path;//输入文件名变量
vector<int> img_catg;
int nLine = 0;
string buf;
ifstream svm_data( "D:\\hb.txt" );//刚用批处理得到的文件
unsigned long n;
while( svm_data )//将训练样本文件依次读取进来
{
if( getline( svm_data, buf ) )
{
nLine ++;
if( nLine % 2 == 0 )//注：奇数行是图片全路径，偶数行是标签
{
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
}
else
{
img_path.push_back( buf );//图像路径
}
}
}
svm_data.close();//关闭文件
CvMat *data_mat, *res_mat;
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
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
cvSetZero( data_mat );
//类型矩阵,存储每个样本的类型标志
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

//处理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<<" 处理： "<<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;//存放结果
hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //Hog特征计算
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);//存储HOG特征
n++;
}
cvmSet( res_mat, i, 0, img_catg[i] );
cout<<" 处理完毕: "<<img_path[i].c_str()<<" "<<img_catg[i]<<endl;
}

CvSVM svm = CvSVM();//新建一个SVM
CvSVMParams param;//这里是SVM训练相关参数
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 );//训练数据
//保存训练好的分类器
svm.save( "d:\\HOG_SVM_DATA.xml" );

//检测样本
IplImage *test;
char result[512];
vector<string> img_tst_path;
ifstream img_tst( "D:\\SVM_TEST.txt" );  //加载需要预测的图片集合，随便放置一个生成的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" );//把预测结果存储在这个文本中
for( string::size_type j = 0; j != img_tst_path.size(); j++ )//依次遍历所有的待检测图片
{
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;//结果数组
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);//检测结果
sprintf( result, "%s  %d\r\n",img_tst_path[j].c_str(),ret );
predict_txt<<result;  //输出检测结果到文本
}
predict_txt.close();
cvReleaseMat( &data_mat );
cvReleaseMat( &res_mat );
cvReleaseImage(&test);
cvReleaseImage(&trainImg);
return 0;
}

待预测的文件内容



预测结果应改是这样：



下面开始检测步骤：

#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");//加载训练好的xml文件，这里训练的是10K个手写数字
//检测样本
IplImage *test;
char result[300]; //存放预测结果
test = cvLoadImage("d:\\5.bmp", 1); //你自己随便在绘图板里写一个程序
if (!test)
{
MessageBox(NULL,TEXT("待预测图像不存在！"),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;//存放结果
hog->compute(trainTempImg, descriptors,Size(1,1), Size(0,0)); //Hog特征计算
cout<<"HOG dims: "<<descriptors.size()<<endl;  //打印Hog特征维数  ，这里是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);//检测结果
sprintf(result, "%d\r\n",ret );
cvNamedWindow("dst",1);
cvShowImage("dst",test);
MessageBox(NULL,result,TEXT("预测结果"),MB_OK);
cvReleaseImage(&test);
cvReleaseImage(&trainTempImg);
return 0;
}