HOG+SVM实现行人检测图像切割

幽映每白日，清辉照衣裳。这篇文章主要讲述HOG+SVM实现行人检测图像切割相关的知识，希望能为你提供帮助。
1，切割正、负样本图像，并把图片名存为txt

#include
#include
#include
#include//srand()和rand()函数
#include //time()函数
#include
#include
#include
#include
#include

#define INRIANegativeImageList "/Users/macbookpro/CLionProjects/pedestrian_detection/img_dir/sample_neg.txt" //原始负样本图片文件列表
#define cropNegNum 1214
//负样本图片个数
using namespace std;
using namespace cv;

int CropImageCount = 0; //裁剪出来的负样本图片个数

int main()

Mat src;
string ImgName;

char saveName[256]; //裁剪出来的负样本图片文件名
ifstream fin(INRIANegativeImageList); //打开原始负样本图片文件列表
//ifstream fin("subset.txt");
int num = 0;

//一行一行读取文件列表
while(getline(fin,ImgName))

cout< < "处理："< < ImgName< < endl;
ImgName = "/Users/macbookpro/CLionProjects/pedestrian_detection/normalized_images/train/neg/" + ImgName;

src = https://www.songbingjia.com/android/imread(ImgName,1); //读取彩色图片

//src =https://www.songbingjia.com/android/cvLoadImage(imagename,1); //c的接口，
// 例子：IplImage *pic = cvLoadImage("timu1.jpg",1); cvShowImage("load",pic);
//cout< < "宽："<

//图片大小应该能能至少包含一个64*128的窗口
if(src.cols > = 64 & & src.rows > = 128)

srand(time(NULL)); //设置随机数种子

//从每张图片中随机裁剪10个64*128大小的不包含人的负样本
for(int i=0; i< 10; i++)

int x = ( rand() % (src.cols-64) ); //左上角x坐标
int y = ( rand() % (src.rows-128) ); //左上角y坐标
//cout<
Mat imgROI = src(Rect(x,y,64,128));
//Rect rect(400,400,300,300);
// Mat image_cut = Mat(img, rect);
sprintf(saveName,"/Users/macbookpro/CLionProjects/pedestrian_detection/normalized_images/train/new_neg/noperson%06d.jpg",++CropImageCount); //生成裁剪出的负样本图片的文件名
imwrite(saveName, imgROI); //保存文件

//保存裁剪得到的图片名称到txt文件，换行分隔
if(i< (cropNegNum-1))
fout < < "neg" < < i < < "Cropped"< < num++ < < ".png"< < endl;

else if(i==(cropNegNum-1) & & j< 4)
fout < < "neg" < < i < < "Cropped"< < num++ < < ".png"< < endl;

else
fout < < "neg" < < i < < "Cropped"< < num++ < < ".png";

cout< < "总共裁剪出"< < CropImageCount< < "张图片"< < endl;