基于并联SVM支持向量机训练HOG特征提取的人员目标提取

Posted fpga&matlab

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于并联SVM支持向量机训练HOG特征提取的人员目标提取相关的知识,希望对你有一定的参考价值。

1.问题描述:

一:基于视频流的兴趣HOG特征提取

       由于,这里所涉及到的场景比较多,角度也比较多,而且你也没有提供合适的样本,所以采用单一的模板库无法提取到能够识别各个情况下的特征数据,针对这个情况,我们针对不同的场景,分别从视频中采集人员和非人员场景。采集到的样本量越大,最后同类场景的识别率就越高。

       这里,根据可不同的场景,采集不同的样本作为特征训练样本集。

       具体原理如下所示:

       通常情况下,样本库越大,最后得到的识别结果越精确,这也是一开始我说如果能不用模板的算法最好,因为对库的特征训练仿真时间非常长,通常要取得优异的识别跟踪效果,库往往需要10万个样本左右,甚至更多。

        此外,采用模板的方式,当场景或者要检测的运动物体的类型发现大的变化(HOG特征数据明显不同)那么则需要重新进行训练。

        这里,在进行兴趣HO

以上是关于基于并联SVM支持向量机训练HOG特征提取的人员目标提取的主要内容,如果未能解决你的问题,请参考以下文章

如何使 HOG 特征向量适应线性 svm 输入

使用多个特征的支持向量机 (SVM) 训练

OpenCV + HOG +SVM:SVM 单特征向量需要帮助

为啥线性支持向量机与 HoG 描述符配合得很好?

opencv进阶-HOG+SVM行人检测(已训练好的分类器)

HOG描述符结果的SVM训练(在Matlab中)