使用opencv的SVM实现车牌区域识别
2018-03-07 17:21
706 查看
#include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/ml/ml.hpp" using namespace cv; #include <iostream> int main() { int num = 1; char path[90]; Mat trainningMat; //行数为样本数170,每个样本含144*33=4752个数,也即有4752列 Mat inputImg; Mat p; //先加载100个正样本 while(num < 101) { sprintf( path ,"F:\\SVM_data\\posdata\\0000 (%d).bmp" , num); inputImg = imread(path,-1); if (inputImg.empty()) { std::cerr<<"无法加载正样本!"; return -1; } p = inputImg.reshape(1,1); p.convertTo(p, CV_32FC1); trainningMat.push_back(p); num++; } num = 1; //再加载70个负样本 while(num < 71) { sprintf( path ,"F:\\SVM_data\\negdata\\0000 (%d).bmp" , num); inputImg = imread(path,-1); if (inputImg.empty()) { std::cerr<<"无法加载负样本!"; return -1; } p = inputImg.reshape(1,1); p.convertTo(p, CV_32FC1); trainningMat.push_back(p); num++; } Mat label(170,1,CV_32FC1); //与训练数据相应的标签,当然在txt中写数据再读出来也可以 for (int i = 0 ;i<label.rows ;++ i) { if( i < 100) label.at<float>(i,0) = 1.0; else label.at<float>(i,0) = -1.0; } CvSVM classifier; CvSVMParams SVM_params; SVM_params.kernel_type = CvSVM::LINEAR; //使用线性划分 classifier.train(trainningMat,label ,Mat(),Mat(),SVM_params); //SVM训练 vector<Mat> testdata; //定义测试数据 num = 1; while(num < 4) { sprintf( path ,"F:\\SVM_data\\testdata\\postest%d.bmp" , num); inputImg = imread(path,-1); if (inputImg.empty()) { std::cerr<<"无法加载正测试样本!"; return -1; } p = inputImg.reshape(1,1); p.convertTo(p, CV_32FC1); testdata.push_back(p); num++ ; } num = 1; while(num < 4) { sprintf( path ,"F:\\SVM_data\\testdata\\negtest%d.bmp" , num); inputImg = imread(path,-1); if (inputImg.empty()) { std::cerr<<"无法加载负测试样本!"; return -1; } p = inputImg.reshape(1,1); p.convertTo(p, CV_32FC1); testdata.push_back(p); num++ ; } for (int i = 0;i < testdata.size() ; ++i) { std::cout<<"测试样本"<<i+1<<"的测试结果为:" <<(int)classifier.predict( testdata[i] )<<"\n"; } return 0; }
对于100张正样本图和70张负样本图片,首先每张图片都会转换为1维数组,该数组长度为4752(也即144乘33),也即将图片中所有的像素点值均作为特征,当然也可以选取图像的其他特征值,这样每张图片可得到1*4752矩阵,则将所有这些矩阵保存于一个170*4752的训练矩阵中;其次创建相应标签矩阵,为170*1大小,前100个数为1.0,后70个数为-1.0,也就是标记出训练矩阵中数据的正负性。设置好SVM训练参数,使用CvSVM::train()函数进行训练,然后使用训练得的模型对测试数据进行预测。所训练的模型可以正确地预测测试样本是否为车牌区域。
From 使用opencv的SVM实现车牌区域识别
相关文章推荐
- 使用opencv的SVM实现车牌区域识别
- 使用opencv的SVM实现车牌区域识别
- 使用opencv的SVM实现车牌区域识别
- 使用opencv的SVM和神经网络实现车牌识别
- 使用opencv的SVM和神经网络实现车牌识别
- 使用opencv的SVM和神经网络实现车牌识别(高质量的文章******)
- 使用opencv的SVM和神经网络实现车牌识别
- 从零使用OpenCV快速实现简单车牌识别系统
- OPENCV中使用SVM训练并识别车牌的初步应用
- android端使用openCV与深度学习实现车牌识别
- 从零使用OpenCV快速实现简单车牌识别系统
- 从零使用OpenCV快速实现简单车牌识别系统
- 使用easyPR调用openCV动态库,实现java版的中文车牌识别
- 【opencv机器学习】基于SVM和神经网络的车牌识别
- opencv实现车牌识别之车牌号定位_1
- 【Android】Android使用OpenCV实现人脸识别(OpenCV+JavaCV)
- OpenCV实现车牌识别,OCR分割,ANN神经网络
- 利用SVM(支持向量机)和MNIST库在OpenCV环境下实现手写数字0~9的识别
- opencv实现车牌识别之字符识别
- opencv knn,svm,ann,人脸识别类的使用总结