OpenCV + HOG +SVM:SVM 单特征向量需要帮助

Posted

技术标签:

【中文标题】OpenCV + HOG +SVM:SVM 单特征向量需要帮助【英文标题】:OpenCV + HOG +SVM: help needed with SVM single feature vector 【发布时间】:2011-11-11 23:47:06 【问题描述】:

我尝试使用 OpenCV2.3 实现基于 SVM 和 HOG 的人员检测系统。但我被卡住了。

我走了这么远: 我可以从图像数据库中计算 HOG 值,然后用 LIBSVM 计算 SVM 向量,所以我得到例如1419 个 SVM 向量,每个向量有 3780 个值。

OpenCV 只需要 hog.setSVMDetector() 方法中的一个特征向量。因此,我必须从 LIBSVM 计算的 1419 个 SVM 向量中计算出一个特征向量。

我找到了一个提示,如何计算这个单一的特征向量:link

“分量 i 处的检测特征向量(其中 i 在范围内,例如 0-3779)是由 i 处的支持向量的总和 * 该支持向量的 alpha 值,例如 det[i] = sum_j (sv_j[i] * alpha[j]) ,其中j 是支持向量的编号,i 是支持向量的分量数。”

据此,我的例程是这样工作的: 我取第一个 SVM 向量的第一个元素,将其与 alpha 值相乘,然后将其与第二个 SVM 向量的第一个元素相加,该元素已与 alpha 值相乘,......

但在总结所有 1419 个元素后,我得到了相当高的值:

16.0657, -0.351117, 2.73681, 17.5677, -8.10134, 
11.0206, -13.4837, -2.84614, 16.796, 15.0564, 
8.19778, -0.7101, 5.25691, -9.53694, 23.9357,

如果将它们与 OpenCV 示例 peopledetect.cpp(以及 OpenCV 源代码中的 hog.cpp)中的默认向量进行比较

0.05359386f, -0.14721455f, -0.05532170f, 0.05077307f,
0.11547081f, -0.04268804f, 0.04635834f, -0.05468199f, 0.08232084f,
0.10424068f, -0.02294518f, 0.01108519f, 0.01378693f, 0.11193510f,
0.01268418f, 0.08528346f, -0.06309239f, 0.13054633f, 0.08100729f,
-0.05209739f, -0.04315529f, 0.09341384f, 0.11035026f, -0.07596218f,
-0.05517511f, -0.04465296f, 0.02947334f, 0.04555536f,

你看,默认向量值在 –1 和 +1 之间,但我的值远远超出了它们。

我认为,我的单个特征向量例程需要一些调整,有什么想法吗?

问候,

克里斯托夫

【问题讨论】:

【参考方案1】:

聚合向量的值看起来确实很高。 我使用了位于http://lnx.mangaitalia.net/trainer/main.cpp的loadSVMfromModelFile() 我不得不从代码中删除svinstr.sync();,因为它会导致丢失部分行并得到错误的结果。 文件的其余部分我不太了解,我只使用了这个函数。

【讨论】:

以上是关于OpenCV + HOG +SVM:SVM 单特征向量需要帮助的主要内容,如果未能解决你的问题,请参考以下文章

基于 HOG 特征的 SVM 分类器用于 OpenCV 中的“对象检测”

HOG特征+SVM行人检测

opencv进阶-HOG+SVM行人检测(已训练好的分类器)

HOG + SVM(行人检测, opencv实现)

使用 OpenCV 提取 HoG 特征

如何用opencv在一周内实现人物行为语义识别