python-opencv训练SVM

要使用Python-OpenCV训练SVM，您需要遵循以下步骤：

1. 收集并准备数据集：您需要准备正样本和负样本的图像。将它们分别放在两个文件夹中，并确保它们的命名方式相同。

2. 提取图像特征：使用OpenCV的HOG描述符提取每个图像的特征。将这些特征存储在一个numpy数组中。

3. 创建SVM训练器：使用OpenCV的ml库创建一个SVM训练器对象。

4. 训练SVM：调用SVM训练器的train方法，并将特征数组和标签数组作为参数传递。标签数组应该是一个大小相同的numpy数组，其中包含正样本和负样本的标签。

5. 测试SVM：使用一些测试数据来测试SVM的性能，可以使用OpenCV的predict方法。预测结果将是一个数字，其中1表示正类，0表示负类。

以下是一个简单的示例代码，用于训练SVM：

import cv2
import numpy as np

# Step 1: Collect and prepare dataset
pos_images = ["pos1.jpg", "pos2.jpg", ...]
neg_images = ["neg1.jpg", "neg2.jpg", ...]

# Step 2: Extract image features
hog = cv2.HOGDescriptor()
features = []
labels = []
for img in pos_images:
    img = cv2.imread(img)
    features.append(hog.compute(img))
    labels.append(1)
for img in neg_images:
    img = cv2.imread(img)
    features.append(hog.compute(img))
    labels.append(0)
features = np.squeeze(features)
labels = np.array(labels)

# Step 3: Create SVM trainer
svm = cv2.ml.SVM_create()

# Step 4: Train SVM
svm.train(features, cv2.ml.ROW_SAMPLE, labels)

# Step 5: Test SVM
test_img = cv2.imread("test.jpg")
test_features = hog.compute(test_img)
result = svm.predict(test_features)
print(result)

请注意，此代码仅为示例，您可能需要根据自己的数据集和需求进行修改。