SVM 目标检测 python代码

下面是一个使用支持向量机（SVM）进行目标检测的简单Python代码示例：

import cv2
import numpy as np

# 加载训练好的SVM模型
svm = cv2.ml.SVM_load('model.xml')

# 加载图像
image = cv2.imread('image.jpg')

# 转换图像为灰度
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 提取HOG特征
hog = cv2.HOGDescriptor()
features = hog.compute(gray)

# 重新调整特征形状
features = np.reshape(features, (-1,))

# 预测图像中的目标
_, result = svm.predict(features.reshape(1, -1))

# 在图像上绘制目标框
x, y, w, h = result[0]
cv2.rectangle(image, (int(x), int(y)), (int(x+w), int(y+h)), (0, 255, 0), 2)

# 显示结果图像
cv2.imshow('Result', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，这只是一个简单的示例代码，其中使用了OpenCV库和一个已经训练好的SVM模型（通过`SVM_load`加载）。你需要替换`model.xml`和`image.jpg`为你自己的模型和图像路径。

此代码的主要步骤包括：
1. 加载训练好的SVM模型。
2. 加载图像并将其转换为灰度。
3. 提取图像的HOG特征。
4. 将特征调整为正确的形状。
5. 使用SVM模型预测图像中的目标。
6. 在图像上绘制目标框并显示结果。

请注意，这只是一个简单的示例，实际的目标检测任务可能需要更复杂的代码和额外的步骤。