C++ 基于支持向量机的目标检测

我是新来的。我曾经使用HAAR级联进行对象检测。现在我正在尝试实现支持向量机用于目标检测。我在网上搜索，了解了一些基本知识。 在编码C++时，我想使用LIbSVM。我遇到了很多问题。 谁能解释一下用它进行物体检测的一步一步的过程。 顺便说一句，我查过了。但我不能再做任何事情了

我还得到了这段代码，用于训练我的SVM并将其保存到xml文件中。 现在我想要一个代码，它可以接受这个xml并在测试用例中检测对象

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <cv.h>
#include <highgui.h>
#include <cvaux.h>
#include <iostream>
#include <vector>
#include<string.h>
using namespace std;
using namespace cv;

int main ( int argc, char** argv )
{
    cout << "OpenCV Training SVM Automatic Number Plate Recognition\n";
    cout << "\n";

    char* path_Plates;
    char* path_NoPlates;
    int numPlates;
    int numNoPlates;
    int imageWidth=150;
    int imageHeight=150;

    //Check if user specify image to process
    if(1)
    {
        numPlates= 11;
        numNoPlates= 90 ;
        path_Plates= "/home/kaushik/opencv_work/Manas6/Pics/Positive_Images/";
        path_NoPlates= "/home/kaushik/opencv_work/Manas6/Pics/Negative_Images/i";

    }else{
        cout << "Usage:\n" << argv[0] << " <num Plate Files> <num Non Plate Files> <path to plate folder files> <path to non plate files> \n";
        return 0;
    }

    Mat classes;//(numPlates+numNoPlates, 1, CV_32FC1);
    Mat trainingData;//(numPlates+numNoPlates, imageWidth*imageHeight, CV_32FC1 );

    Mat trainingImages;
    vector<int> trainingLabels;

    for(int i=1; i<= numPlates; i++)
    {

        stringstream ss(stringstream::in | stringstream::out);
        ss<<path_Plates<<i<<".jpg";
        try{

            const char* a = ss.str().c_str();
            printf("\n%s\n",a);
            Mat img = imread(ss.str(), CV_LOAD_IMAGE_UNCHANGED);
            img= img.clone().reshape(1, 1);
            //imshow("Window",img);
            //cout<<ss.str();
            trainingImages.push_back(img);
            trainingLabels.push_back(1);
        }
        catch(Exception e){;}
    }

    for(int i=0; i< numNoPlates; i++)
    {
        stringstream ss(stringstream::in | stringstream::out);
        ss << path_NoPlates<<i << ".jpg";
        try
        {
            const char* a = ss.str().c_str();
            printf("\n%s\n",a);
            Mat img=imread(ss.str(), 0);
            //imshow("Win",img);
            img= img.clone().reshape(1, 1);
            trainingImages.push_back(img);
            trainingLabels.push_back(0);
            //cout<<ss.str();
        }
        catch(Exception e){;}
    }

    Mat(trainingImages).copyTo(trainingData);
    //trainingData = trainingData.reshape(1,trainingData.rows);
    trainingData.convertTo(trainingData, CV_32FC1);
    Mat(trainingLabels).copyTo(classes);

    FileStorage fs("SVM.xml", FileStorage::WRITE);
    fs << "TrainingData" << trainingData;
    fs << "classes" << classes;
    fs.release();

    return 0;
}

#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
使用名称空间std；
使用名称空间cv；
int main（int argc，字符**argv）
{
cout这是一个简单的代码，您可以使用xml文件进行测试：

#include "highgui.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "cv.h"
#include <vector>
#include <string.h>
#include <ml.h>
#include <iostream>

#include <io.h>
using namespace cv;
using namespace std;

int main()
{   
    FileStorage fs;
    fs.open("SVM.xml", FileStorage::READ);
    Mat trainingData;
    Mat classes;
    fs["TrainingData"] >> trainingData;
    fs["classes"] >> classes;

    CvSVMParams SVM_params;
    SVM_params.svm_type = CvSVM::C_SVC;
    SVM_params.kernel_type = CvSVM::LINEAR; //CvSVM::LINEAR;
    SVM_params.degree = 1;
    SVM_params.gamma = 1;
    SVM_params.coef0 = 0;
    SVM_params.C = 1;
    SVM_params.nu = 0;
    SVM_params.p = 0;
    SVM_params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 1000, 0.01);

    CvSVM svm(trainingData, classes, Mat(), Mat(), SVM_params);


    Mat src = imread("D:\\SVM\\samples\\\pos\\10.jpg");
    Mat gray;
    cvtColor(src, gray, CV_BGR2GRAY);
    Mat p = gray.reshape(1, 1);
    p.convertTo(p, CV_32FC1);

    int response = (int)svm.predict( p );
    if(response ==1 )
    {
        cout<<"this is a object！"<<endl;
        cout<<endl;
    }
    else
    {
        cout<<"no object detected！"<<endl;
        cout<<endl;
    } 

    return 0;
}

#包括“highgui.h”
#包括“opencv2/imgproc/imgproc.hpp”
#包括“cv.h”
#包括
#包括
#包括
#包括
#包括
使用名称空间cv；
使用名称空间std；
int main（）
{   
文件存储；
open（“SVM.xml”，FileStorage:：READ）；
Mat训练数据；
垫类；
fs[“培训数据”]>>培训数据；
fs[“类”]>>类；
CvSVMParams SVM_参数；
SVM_params.SVM_type=CvSVM:：C_SVC；
SVM_params.kernel_type=CvSVM:：LINEAR；//CvSVM:：LINEAR；
SVM_参数度=1；
SVM_参数γ=1；
SVM_params.coef0=0；
SVM_参数C=1；
SVM_params.nu=0；
SVM_参数p=0；
SVM参数术语临界值=CvTerm标准（CV term临界值，1000，0.01）；
CvSVM（训练数据、类、Mat（）、Mat（）、svm参数）；
Mat src=imread（“D:\\SVM\\samples\\\pos\\10.jpg”）；
席灰色；
CVT颜色（src、灰色、CV_BGr2灰色）；
Mat p=灰色。重塑（1，1）；
p、 convertTo（p，CV_32FC1）；
int响应=（int）支持向量机预测（p）；
如果（响应==1）
{
库特