支持向量机与c++； 我尝试用支持向量机进行C++的目标检测。我正在关注这一点。我面临一个问题，CvSVM目前还没有使用。因此，我修改了培训代码如下 #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/ml/ml.hpp> using namespace cv; using namespace cv::ml; int main() { // Data for visual representation int width = 512, height = 512; Mat image = Mat::zeros(height, width, CV_8UC3); // Set up training data float labels[4] = {1.0, -1.0, -1.0, -1.0}; Mat labelsMat(4, 1, CV_32FC1, labels); float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} }; Mat trainingDataMat(4, 2, CV_32FC1, trainingData); // Set up SVM's parameters Ptr<SVM> svm = SVM::create(); svm->setType(SVM::C_SVC); svm->setKernel(SVM::LINEAR); //svm.term_crit = SVM::getTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6); // Train the SVM //Ptr<SVM> svm1 = SVM::trainAuto(); SVM->train(trainingDataMat, labelsMat, Mat(), Mat(), svm); Vec3b green(0,255,0), blue (255,0,0); // Show the decision regions given by the SVM for (int i = 0; i < image.rows; ++i) for (int j = 0; j < image.cols; ++j) { Mat sampleMat = (Mat_<float>(1,2) << j,i); float response = svm->predict(sampleMat); if (response == 1) image.at<Vec3b>(i,j) = green; else if (response == -1) image.at<Vec3b>(i,j) = blue; } // Show the training data int thickness = -1; int lineType = 8; circle( image, Point(501, 10), 5, Scalar( 0, 0, 0), thickness, lineType); circle( image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType); circle( image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType); circle( image, Point( 10, 501), 5, Scalar(255, 255, 255), thickness, lineType); // Show support vectors thickness = 2; lineType = 8; int c = SVM.get_support_vector_count(); for (int i = 0; i < c; ++i) { const float* v = SVM.get_support_vector(i); circle( image, Point( (int) v[0], (int) v[1]), 6, Scalar(128, 128, 128), thickness, lineType); } imwrite("result.png", image); // save the image imshow("SVM Simple Example", image); // show it to the user waitKey(0); } #包括 #包括 #包括 使用名称空间cv； 使用名称空间cv:：ml； int main（） { //用于视觉表示的数据 整数宽度=512，高度=512； 材料图像=材料：：零（高度、宽度、CV_8UC3）； //建立培训数据 浮动标签[4]={1.0，-1.0，-1.0，-1.0}； Mat标签Mat（4，1，CV_32FC1，标签）； float trainingData[4][2]={{501,10}，{255,10}，{501255}，{10501}； Mat培训数据Mat（4,2，CV_32FC1，培训数据）； //建立支持向量机的参数 Ptr-svm=svm:：create（）； svm->setType（svm:：C_SVC）； svm->setKernel（svm:：LINEAR）； //svm.term_crit=svm:：GettermCriter（CV_term crit_ITER，100，1e-6）； //训练支持向量机 //Ptr svm1=SVM:：trainAuto（）； SVM->train（trainingDataMat，LabelMat，Mat（），Mat（），SVM）； Vec3b绿色（0255,0），蓝色（255,0,0）； //显示SVM给出的决策区域 对于（int i=0；i训练（trainingDataMat，LabelMat，Mat（），Mat（），支持向量机）应该是：svm->train（trainingDataMat、ROW_样本、labelsMat）

1） 当您引用svm实例时，应该使用

svm

（变量名），而不是

svm

类名

2） 在分类问题的情况下，回答必须是分类的。所以

float labels[4] = { 1.0, -1.0, -1.0, -1.0 };
Mat labelsMat(4, 1, CV_32FC1, labels);

应该是：

int labels[4] = { 1, -1, -1, -1 };
Mat labelsMat(4, 1, CV_32SC1, labels); 

3）

列车

接受不同的参数<代码>支持向量机->训练（trainingDataMat，LabelMat，Mat（），Mat（），支持向量机）应该是：

svm->train（trainingDataMat、ROW_样本、labelsMat）

4） OpenCV 3.0中不存在
get\u support\u vector\u count
int c=SVM.get_support_vector_count（）应该是：
int c=svm->getSupportVectors（）.rows

5） OpenCV 3.0中不存在
get\u support\u vector
const float*v=SVM，得到支持向量（i）应该是：
const float*v=svm->getSupportVectors（）.ptr（i）


应答中的代码已按预期工作。如果你引入这样的错误，它显然不会起作用。
你是否尝试了
svm->train…
而不是
svm->train…
？顺便说一句，发布错误消息可能会有所帮助