HOG+SVM实现行人检测 图像切割

Posted fanxinglanyu

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了HOG+SVM实现行人检测 图像切割相关的知识,希望对你有一定的参考价值。

1,切割正、负样本图像,并把图片名存为txt

#include 
#include
#include
#include //srand()和rand()函数
#include //time()函数
#include
#include
#include
#include
#include

#define INRIANegativeImageList "/Users/macbookpro/CLionProjects/pedestrian_detection/img_dir/sample_neg.txt" //原始负样本图片文件列表
#define cropNegNum 1214
//负样本图片个数
using namespace std;
using namespace cv;

int CropImageCount = 0; //裁剪出来的负样本图片个数

int main()

Mat src;
string ImgName;

char saveName[256];//裁剪出来的负样本图片文件名
ifstream fin(INRIANegativeImageList);//打开原始负样本图片文件列表
//ifstream fin("subset.txt");
int num = 0;

//一行一行读取文件列表
while(getline(fin,ImgName))

cout<<"处理:"<<ImgName<<endl;
ImgName = "/Users/macbookpro/CLionProjects/pedestrian_detection/normalized_images/train/neg/" + ImgName;

src = imread(ImgName,1);//读取彩色图片

//src =cvLoadImage(imagename,1);//c的接口,
// 例子:IplImage *pic = cvLoadImage("timu1.jpg",1); cvShowImage("load",pic);
//cout<<"宽:"<

//图片大小应该能能至少包含一个64*128的窗口
if(src.cols >= 64 && src.rows >= 128)

srand(time(NULL));//设置随机数种子

//从每张图片中随机裁剪10个64*128大小的不包含人的负样本
for(int i=0; i<10; i++)

int x = ( rand() % (src.cols-64) ); //左上角x坐标
int y = ( rand() % (src.rows-128) ); //左上角y坐标
//cout<
Mat imgROI = src(Rect(x,y,64,128));
//Rect rect(400,400,300,300);
// Mat image_cut = Mat(img, rect);
sprintf(saveName,"/Users/macbookpro/CLionProjects/pedestrian_detection/normalized_images/train/new_neg/noperson%06d.jpg",++CropImageCount);//生成裁剪出的负样本图片的文件名
imwrite(saveName, imgROI);//保存文件

//保存裁剪得到的图片名称到txt文件,换行分隔
if(i<(cropNegNum-1))
fout <<"neg" << i << "Cropped"<< num++ << ".png"<< endl;

else if(i==(cropNegNum-1) && j<4)
fout <<"neg" << i << "Cropped"<< num++ << ".png"<< endl;

else
fout <<"neg" << i << "Cropped"<< num++ << ".png";




cout<<"总共裁剪出"<<CropImageCount<<"张图片"<<endl;

 


以上是关于HOG+SVM实现行人检测 图像切割的主要内容,如果未能解决你的问题,请参考以下文章

opencv进阶-HOG+SVM行人检测(已训练好的分类器)

HOG+SVM实现行人检测 行人检测(带hard样本)

HOG+SVM实现行人检测 寻找hardexample

opencv学习笔记SVM+HOG

HOG特征+SVM行人检测

Python利用HOG+SVM进行视频行人检测