Opencv3的svm训练自己图片产生.xml文件模型

该程序利用opencv3的svm训练二分类例程，特征检测只是用了统计像素值这一简单的方法，后期完全可以自己改。亲测可用，效果其实还可以。可能我的识别的物体比较简单。
参考博客：https://blog.csdn.net/chaipp0607/article/details/68067098#commentsedit
他的程序用的opencv2，我改成opencv3了，这样大家就可以更快的学习svm了。至于具体原理，以后有时间再写，可以参考原博主的写的比较详细。

#include <stdio.h>  
#include <time.h>  
#include <opencv2/opencv.hpp>  
#include <opencv/cv.h>  
#include <iostream> 
#include <opencv2/core/core.hpp>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/ml/ml.hpp>  
#include <io.h> //查找文件相关函数

using namespace std;
using namespace cv;

using namespace cv::ml;

void getFiles(string path, vector<string>& files);
void getBubble(Mat& trainingImages, vector<int>& trainingLabels);
void getNoBubble(Mat& trainingImages, vector<int>& trainingLabels);

int main()
{
    //获取训练数据
    Mat classes;
    Mat trainingData;
    Mat trainingImages;



    vector<int> trainingLabels;

    //getBubble()与getNoBubble()将获取一张图片后会将图片（特征）写入
    //  到容器中，紧接着会将标签写入另一个容器中，这样就保证了特征
    //  和标签是一一对应的关系push_back(0)或者push_back(1)其实就是
    //  我们贴标签的过程。
    getBubble(trainingImages, trainingLabels);
    getNoBubble(trainingImages, trainingLabels);

    //在主函数中，将getBubble()与getNoBubble()写好的包含特征的矩阵拷贝给trainingData，将包含标签的vector容器进行类
    //型转换后拷贝到trainingLabels里，至此，数据准备工作完成，trainingData与trainingLabels就是我们要训练的数据。
    Mat(trainingImages).copyTo(trainingData);
    trainingData.convertTo(trainingData, CV_32FC1);
    Mat(trainingLabels).copyTo(classes);
    //classes.convertTo(classes, CV_32SC1);

    // 创建分类器并设置参数
    Ptr<SVM> SVM_params = SVM::create();
    SVM_params->setType(SVM::C_SVC);
    SVM_params->setKernel(SVM::LINEAR);  //核函数

    SVM_params->setDegree(0);
    SVM_params->setGamma(1);
    SVM_params->setCoef0(0);
    SVM_params->setC(1);
    SVM_params->setNu(0);
    SVM_params->setP(0);
    SVM_params->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER + TermCriteria::EPS, 1000, 0.01));


    Ptr<TrainData> tData = TrainData::create(trainingData, ROW_SAMPLE, classes);

    // 训练分类器
    SVM_params->train(tData);

    //保存模型
    SVM_params->save("svm.xml");
    cout << "训练好了！！！" << endl;
    getchar();
    return 0;
}



void getFiles(string path, vector<string>& files)
{
    intptr_t   hFile = 0;
    struct _finddata_t fileinfo;
    string p;
    int i = 30;
    if ((hFile = _findfirst(p.assign(path).append("\\*").c_str(), &fileinfo)) != -1)
    {

        do
        {
            if ((fileinfo.attrib &  _A_SUBDIR))
            {
                if (strcmp(fileinfo.name, ".") != 0 && strcmp(fileinfo.name, "..") != 0)
                    getFiles(p.assign(path).append("\\").append(fileinfo.name), files);
            }
            else
            {
                files.push_back(p.assign(path).append("\\").append(fileinfo.name));
            }

        }
        while (_findnext(hFile, &fileinfo) == 0);

        _findclose(hFile);
    }
}




//获取正样本
//并贴标签为1
void getBubble(Mat& trainingImages, vector<int>& trainingLabels)
{


    char * filePath = "E:\\SVM_train_data\\positive\\train"; //正样本路径
    vector<string> files;
    getFiles(filePath, files);
    int number = files.size();
    for (int i = 0; i < number; i++)
    {
        Mat  SrcImage = imread(files[i].c_str());
        SrcImage = SrcImage.reshape(1, 1);
        trainingImages.push_back(SrcImage);
        trainingLabels.push_back(1);//该样本为数字5
    }

}

//获取负样本
//并贴标签为0
void getNoBubble(Mat& trainingImages, vector<int>& trainingLabels)
{
    //char * filePath = "D:\\train\\no\\train"; //负样本路径
    //char * filePath = "E:\\OCR_Recognition\\opencv_project\\SVM_train_data\\negative\\train"; //负样本路径
    char * filePath = "E:\\SVM_train_data\\negative\\train"; //负样本路径
    vector<string> files;
    getFiles(filePath, files);
    int number = files.size();
    for (int i = 0; i < number; i++)
    {
        Mat  SrcImage = imread(files[i].c_str());
        SrcImage = SrcImage.reshape(1, 1);
        trainingImages.push_back(SrcImage);
        trainingLabels.push_back(0); //该样本不是数字5
    }
}