VS2013+OPENCV2.4.10 提取HOG特征使用SVM多分类手势识别

使用VS2013+OPENCV 2.4.10 离线训练及识别手势图片获得识别率

#include 
#include “opencv2/opencv.hpp“
#include “windows.h“
#include “fstream“
#include   

using namespace std;
using namespace cv;
int imagehigh =32;
int imagewight =24;
int _tmain（int argc _TCHAR* argv[]）
{
	vector img_path;//图像路径容器  
	vector img_catg;//图像类别容器
	int nLine = 0;
	string buf;
	ifstream svm_data（“C:\\Users\\MelonH\\Desktop\\样本2\\新建文件夹\\手势路径.txt“）;//训练样本图片的路径都写在这个txt文件中，使用bat批处理文件可以得到这个txt文件 
	if （!svm_data）
		return 1;
	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（01，2，...，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（nImgNum216 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* trainImg1 = cvCreateImage（cvSize（imagehigh imagewight） 8 3）;//需要分析的图片，这里手势的图片尺寸都为32*24，所以上面定义了216，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）;//读入一张图片
		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;//打印图片路径
		cvResize（src trainImg1）;//归一化图像尺寸到32*24
		Mat trainImg = cvarrToMat（trainImg1 true）;//IplImage* 类型转化到Mat类型
		/***对图片预处理***/
		Mat element = getStructuringElement（MORPH_RECT Size（2 2））;//第一个参数MORPH_RECT表示矩形的卷积核，当然还可以选择椭圆形的、交叉型的，第二个参数为核的大小
		dilate（trainImg trainImg element）;//膨胀，参数1：输入图片，参数2：输出图片，参数3：卷积核
		medianBlur（trainImg trainImg 3）;//中值滤波，
		Mat element2 = getStructuringElement（MORPH_RECT Size（2 2））; //第一个参数MORPH_RECT表示矩形的卷积核，当然还可以选择椭圆形的、交叉型的，第二个参数为核的大小
		morphologyEx（trainImg trainImg MORPH_CLOSE element2）;//形态学处理闭运算，就修改第三个参数就可以了。这里演示的是形态学梯度处理
		HOGDescriptor *hog = new HOGDescriptor（cvSize（imagehigh imagewight） cvSize（16 16） cvSize（8 8） cvSize（88） 9）;
		/***参数1：图像大小
		    参数2：块大小
			参数3：细胞大小
			参数4：块重叠
			参数5：细胞中向量维度***/
		vectordescriptors;//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::iterator iter = descriptors.begin（）; iter != descriptors.end（）; iter++）//HOG特征写入Mat矩阵
		{
			cvmSet（data_mat i n *iter）;//存储HOG特征 
			n++;
		}
		cvmSet（res_mat i 0 img_catg[i]）;//标签写入Mat矩阵
		cout << “ 处理完毕: “ << img_path[i].c_str（） << “ “ << img_catg[i] << endl;
	}
   
	CvSVM svm;
	CvSVMParams param;//这里是SVM训练相关参

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-05-12 12:41  svm+hog\
     目录           0  2018-05-12 12:41  svm+hog\Debug\
     文件      154112  2018-05-11 17:38  svm+hog\Debug\svm+hog.exe
     文件      926476  2018-05-11 17:38  svm+hog\Debug\svm+hog.ilk
     文件    11725824  2018-05-11 17:38  svm+hog\Debug\svm+hog.pdb
     文件      156992  2018-05-12 12:41  svm+hog\readme.docx
     目录           0  2018-05-12 12:44  svm+hog\svm+hog\
     目录           0  2018-05-12 12:41  svm+hog\svm+hog\Debug\
     文件        2571  2016-06-01 11:24  svm+hog\svm+hog\Debug\recognition.obj
     文件        2672  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.log
     目录           0  2018-05-12 12:41  svm+hog\svm+hog\Debug\svm+hog.tlog\
     文件       69896  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\CL.read.1.tlog
     文件        1006  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\CL.write.1.tlog
     文件        5146  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\cl.command.1.tlog
     文件       12588  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\link.command.1.tlog
     文件       12314  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\link.read.1.tlog
     文件         958  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\link.write.1.tlog
     文件         215  2018-05-11 17:38  svm+hog\svm+hog\Debug\svm+hog.tlog\svm+hog.lastbuildstate
     文件      621627  2018-05-11 17:38  svm+hog\svm+hog\Debug\train.obj
     文件     2862080  2018-05-11 17:38  svm+hog\svm+hog\Debug\vc120.idb
     文件     1552384  2018-05-11 17:38  svm+hog\svm+hog\Debug\vc120.pdb
     文件    14496219  2018-05-11 17:41  svm+hog\svm+hog\HOG_SVM_LOGO.xml
     文件      423687  2018-05-11 17:42  svm+hog\svm+hog\SVM_PREDICT.txt
     文件        5281  2018-04-04 23:32  svm+hog\svm+hog\svm+hog.vcxproj
     文件         949  2016-12-21 16:30  svm+hog\svm+hog\svm+hog.vcxproj.filters
     文件         165  2016-06-17 23:58  svm+hog\svm+hog\svm+hog.vcxproj.user
     文件        9761  2018-05-12 12:44  svm+hog\svm+hog\train.cpp
     文件          32  2018-05-11 16:45  svm+hog\svm+hog.opensdf
     文件    38993920  2018-05-11 16:57  svm+hog\svm+hog.sdf
     文件         967  2016-06-01 09:22  svm+hog\svm+hog.sln
     文件       26624  2018-04-14 23:06  svm+hog\svm+hog.v12.suo
............此处省略0个文件信息