opencv中SVM

首先，理解下SVM得輸入格式。SVM的train（）函式主要包含兩個輸入資料：訓練資料矩陣以及對應標籤組成的矩陣。其中訓練資料為行向量，標籤矩陣為列向量。舉個例子吧，比如在實驗裡一共用到300張圖片作為訓練資料，其中150張為正例樣本，150張為負例樣本，那麼最終得到的訓練資料矩陣大小應為300行n列，這裡的n代表的就是每一張圖片進行特徵提取（包括下采樣的方法）之後的特徵維數，一般在一兩千左右。對應的，標籤矩陣應為300行1列，儲存的內容為對應行特徵向量所代表的正負標籤，一般去+1和-1，當然取成別的數也可以。

其次需要說明的是就是SVM對於輸入的資料型別是有要求的，即mTrainData（訓練資料矩陣）以及mFlagPosNeg（標籤矩陣）都必須為CV_32FC1型別，因此需要進行型別轉換，而且必須保證轉換完之後數值都不能大於1，這就給我們了兩點啟示：1、不能直接用下采用後的影像畫素作為訓練資料的輸入，需要進行型別的歸一化。2、型別轉換時要使用normlize（）函式，保證其數值範圍不大於1，而不能簡單的使用Mat的成員函式coverto，只變型別不變數值範圍。

--------------------- 本文來自 山在嶺就在 的CSDN 部落格 ，全文地址請點選：https://blog.csdn.net/u013088062/article/details/45113417?utm_source=copy