特征提取学习，找到的hog+svm代码：
转载自http://blog.csdn.net/jcy1009015337/article/details/53763484
最近因为需要实现hog+svm的分类代码，网上找了一些例子，觉得这篇博客还不错：http://blog.csdn.net/libin88211/article/details/19968205，下面结合该博客写一下步骤，供新手们交流学习~~（如果侵犯了版权问题的话，可以联系删除，尊重作者原创~~）
hog干嘛的？hog就是提取图片特征的。hog源程序参考http://blog.csdn.net/huangli19870217/article/details/7695458
准备工作：
1、创建正阳本文件夹“pos”将正阳本放入
pos文件夹用来存放正阳样本的，下图是我自己准备的（就是一些狗狗的图像）
2、创建负样本文件夹“neg”将负样本放入
neg文件夹用来存放负样本，下图准备的是一些猫的（当然，负样本嘛，随便的，可以是其他的东东，不一定非要是猫，只要正阳样本是狗就行~~）
这里正负样本都是20个。
3、制作正阳本文件列表pos_list.txt
制作参考下图：
4、制作负样本文件列表neg_list.txt
制作参考下图：
5、执行下面程序进行训练，测试
-
clc;
-
clear ;
-
%% 训练阶段
-
ReadList1 = textread('pos_list.txt','%s','delimiter','\n');%载入正样本列表
-
sz1=size(ReadList1);
-
-
label1=ones(sz1(1),1); %正阳本标签
-
ReadList2 = textread('neg_list.txt','%s','delimiter','\n');%载入负样本列表
-
sz2=size(ReadList2);
-
label2=zeros(sz2(1),1);%负样本标签
-
label=[label1',label2']';%标签汇总
-
total_num=length(label);
-
data=zeros(total_num,1764);
-
-
%读取正样本并计算hog特征
-
for i=1:sz1(1)
-
name= char(ReadList1(i,1));
-
image=imread(strcat('D:\daily\冰\机器学习\pos\',name));
-
im=imresize(image,[64,64]);
-
img=rgb2gray(im);
-
hog =hogcalculator(img);
-
data(i,:)=hog;
-
end
-
-
%读取负样本并计算hog特征
-
for j=1:sz2(1)
-
name= char(ReadList2(j,1));
-
image=imread(strcat('D:\daily\冰\机器学习\neg\',name));
-
im=imresize(image,[64,64]);
-
img=rgb2gray(im);
-
hog =hogcalculator(img);
-
data(sz1(1)+j,:)=hog;
-
end
-
-
[train, test] = crossvalind('holdOut',label);
-
cp = classperf(label);
-
svmStruct = svmtrain(data(train,:),label(train));
-
save svmStruct svmStruct
-
classes = svmclassify(svmStruct,data(test,:));
-
classperf(cp,classes,test);
-
cp.CorrectRate
-
-
%% 训练完成后保存 svmStruct即可对新输入的对象进行分类了无需再执行上面训练阶段代码
-
load svmStruct
-
test=imread('test.jpg');
-
-
im=imresize(test,[64,64]);
-
figure;
-
imshow(im);
-
img=rgb2gray(im);
-
hogt =hogcalculator(img);
-
classes = svmclassify(svmStruct,hogt);%classes的值即为分类结果
源代码以及图片文件已经上传CSDN，这里给出链接~~
http://download.csdn.net/detail/jcy1009015337/9716482