新人小白OpenCV做行人检测 自己训练svm分类器的时候 运行一直出现中断 请教大神帮帮我·~

qq_39995152 2018-07-03 10:13:54
using namespace std;
using namespace cv;

#define PosSamNO 193 //正样本个数
#define NegSamNO 387 //负样本个数

#define TRAIN true //是否进行训练,true表示重新训练,false表示读取xml文件中的SVM模型
#define CENTRAL_CROP true //true:训练时,对96*160的INRIA正样本图片剪裁出中间的64*128大小人体

//HardExample:负样本个数。如果HardExampleNO大于0,表示处理完初始负样本集后,继续处理HardExample负样本集。
//不使用HardExample时必须设置为0,因为特征向量矩阵和特征类别矩阵的维数初始化时用到这个值
#define HardExampleNO 387


//继承自CvSVM的类,因为生成setSVMDetector()中用到的检测子参数时,需要用到训练好的SVM的decision_func参数,
//但通过查看CvSVM源码可知decision_func参数是protected类型变量,无法直接访问到,只能继承之后通过函数访问
class MySVM : public CvSVM
{
public:
//获得SVM的决策函数中的alpha数组
double * get_alpha_vector()
{
return this->decision_func->alpha;
}

//获得SVM的决策函数中的rho参数,即偏移量
float get_rho()
{
return this->decision_func->rho;
}
};



int main()
{
//检测窗口(64,128),块尺寸(16,16),块步长(8,8),cell尺寸(8,8),直方图bin个数9
HOGDescriptor hog(Size(64, 64), Size(16, 16), Size(8, 8), Size(8, 8), 9);//HOG检测器,用来计算HOG描述子的
int DescriptorDim;//HOG描述子的维数,由图片大小、检测窗口大小、块大小、细胞单元中直方图bin个数决定
MySVM svm;//SVM分类器

//若TRAIN为true,重新训练分类器
if (TRAIN)
{
string ImgName;//图片名(绝对路径)
ifstream finPos("pos.txt");//正样本图片的文件名列表
//ifstream finPos("PersonFromVOC2012List.txt");//正样本图片的文件名列表
ifstream finNeg("neg.txt");//负样本图片的文件名列表

Mat sampleFeatureMat;//所有训练样本的特征向量组成的矩阵,行数等于所有样本的个数,列数等于HOG描述子维数
Mat sampleLabelMat;//训练样本的类别向量,行数等于所有样本的个数,列数等于1;1表示有人,-1表示无人


//依次读取正样本图片,生成HOG描述子
for (int num = 0; num<PosSamNO && getline(finPos, ImgName); num++)
{
cout << "处理:" << ImgName << endl;
//ImgName = "D:\\DataSet\\PersonFromVOC2012\\" + ImgName;//加上正样本的路径名
ImgName = "D:\\vs2013projects\\cpractice\\mytrainsvm\\mytrainsvm\\pos_img\\" + ImgName;//加上正样本的路径名
Mat src = imread(ImgName);//读取图片
if (CENTRAL_CROP)
src = src(Rect(0, 0, 64, 64));//将96*160的INRIA正样本图片剪裁为64*128,即剪去上下左右各16个像素
//resize(src,src,Size(64,128));

vector<float> descriptors;//HOG描述子向量
hog.compute(src, descriptors, Size(1, 1));//计算HOG描述子,检测窗口移动步长(8,8)
//cout<<"描述子维数:"<<descriptors.size()<<endl;

//处理第一个样本时初始化特征向量矩阵和类别矩阵,因为只有知道了特征向量的维数才能初始化特征向量矩阵
if (0 == num)
{
DescriptorDim = descriptors.size();//HOG描述子的维数
//初始化所有训练样本的特征向量组成的矩阵,行数等于所有样本的个数,列数等于HOG描述子维数sampleFeatureMat
sampleFeatureMat = Mat::zeros(PosSamNO + NegSamNO + HardExampleNO, 1764, CV_32FC1);
//初始化训练样本的类别向量,行数等于所有样本的个数,列数等于1;1表示有人,0表示无人
sampleLabelMat = Mat::zeros(PosSamNO + NegSamNO + HardExampleNO, 1, CV_32FC1);
}

//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMat
for (int i = 0; i<DescriptorDim; i++)
sampleFeatureMat.at<float>(num, i) = descriptors[i];//第num个样本的特征向量中的第i个元素
sampleLabelMat.at<float>(num, 0) = 1;//正样本类别为1,有人
}

//依次读取负样本图片,生成HOG描述子
for (int num = 0; num<NegSamNO && getline(finNeg, ImgName); num++)
{
cout << "处理:" << ImgName << endl;
ImgName = "D:\\vs2013projects\\cpractice\\mytrainsvm\\mytrainsvm\\neg_img\\" + ImgName;//加上负样本的路径名
Mat src = imread(ImgName);//读取图片
//resize(src,img,Size(64,128));

vector<float> descriptors;//HOG描述子向量
hog.compute(src, descriptors, Size(1, 1));//计算HOG描述子,检测窗口移动步长(8,8)
//cout<<"描述子维数:"<<descriptors.size()<<endl;

//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMat
for (int i = 0; i<DescriptorDim; i++)
sampleFeatureMat.at<float>(num + PosSamNO, i) = descriptors[i];//第PosSamNO+num个样本的特征向量中的第i个元素
sampleLabelMat.at<float>(num + PosSamNO, 0) = -1;//负样本类别为-1,无人
}

//处理HardExample负样本
if (HardExampleNO > 0)
{
ifstream finHardExample("neg.txt");//HardExample负样本的文件名列表
//依次读取HardExample负样本图片,生成HOG描述子
for (int num = 0; num<HardExampleNO && getline(finHardExample, ImgName); num++)
{
cout << "处理:" << ImgName << endl;
ImgName = "D:\\vs2013projects\\cpractice\\mytrainsvm\\mytrainsvm\\neg\\" + ImgName;//加上HardExample负样本的路径名
Mat src = imread(ImgName);//读取图片
//resize(src,img,Size(64,128));

vector<float> descriptors;//HOG描述子向量
hog.compute(src, descriptors, Size(1, 1));//计算HOG描述子,检测窗口移动步长(8,8)
//cout<<"描述子维数:"<<descriptors.size()<<endl;

//将计算好的HOG描述子复制到样本特征矩阵sampleFeatureMat
for (int i = 0; i<DescriptorDim; i++)
sampleFeatureMat.at<float>(num + PosSamNO + NegSamNO, i) = descriptors[i];//第PosSamNO+num个样本的特征向量中的第i个元素
sampleLabelMat.at<float>(num + PosSamNO + NegSamNO, 0) = -1;//负样本类别为-1,无人
}
}
CvTermCriteria criteria = cvTermCriteria(CV_TERMCRIT_ITER + CV_TERMCRIT_EPS, 10000, FLT_EPSILON);
//SVM参数:SVM类型为C_SVC;线性核函数;松弛因子C=0.01
CvSVMParams param(CvSVM::C_SVC, CvSVM::LINEAR, 0, 1, 0, 0.01, 0, 0, 0, criteria);
cout << "开始训练SVM分类器" << endl;
svm.train_auto(sampleFeatureMat, sampleLabelMat, Mat(), Mat(), param);//训练分类器

cout << "训练完成" << endl;
svm.save("SVM_HOG.xml");//将训练好的SVM模型保存为xml文件

}
else //若TRAIN为false,从XML文件读取训练好的分类器
{
svm.load("D:/vs2013projects/cpractice/mytrainsvm/mytrainsvm/SVM_HOG.xml");//从XML文件读取训练好的SVM模型
}

system("pause");
}
...全文
572 5 打赏 收藏 转发到动态 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
保持1 2018-12-03
  • 打赏
  • 举报
回复
引用 4 楼 tfwn 的回复:
虽然过去很久了。。 从 log 看,可能是数据文件不对,所以检查一下pos.txt 和 neg.txt,一般需要用UTF-8格式。注意不要出现空文件。
请问一下命名格式应该是怎样的?我写的是文件名(包括扩展名),然后每个名字用回车分隔。
tfwn 2018-11-06
  • 打赏
  • 举报
回复
虽然过去很久了。。
从 log 看,可能是数据文件不对,所以检查一下pos.txt 和 neg.txt,一般需要用UTF-8格式。注意不要出现空文件。
qq_39995152 2018-07-03
  • 打赏
  • 举报
回复
qq_39995152 2018-07-03
  • 打赏
  • 举报
回复

调试的时候 一直出现这个中断
qq_39995152 2018-07-03
  • 打赏
  • 举报
回复

5,531

社区成员

发帖
与我相关
我的任务
社区描述
C/C++ 模式及实现
社区管理员
  • 模式及实现社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧