我尝试使用 OpenCV2.3 实现基于 SVM 和 HOG 的人员检测系统。但是我卡住了。
我走到这一步: 我可以从图像数据库计算 HOG 值,然后我用 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 只需要方法 hog.setSVMDetector() 中的一个特征向量。因此,我必须从 LIBSVM 计算出的 1419 个 SVM 向量中计算出一个特征向量。
我找到了一个提示,如何计算这个单一特征向量:link
“组件 i 处的检测特征向量(其中 i 在范围内,例如 0-3779)由 i 处的支持向量之和 * 该支持向量的 alpha 值构建而成,例如
det[i] = sum_j (sv_j[i] * alpha[j])
,其中j
是支持向量的个数,i
是支持向量的分量个数。”
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,将它与 alpha 值相乘,然后将其与第二个 SVM 向量的第一个元素相加,该向量已与 alpha 值相乘,...
但是在对所有 1419 个元素求和后,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,
如果您将它们与 OpenCV 示例 peopredetect.cpp 中的默认向量(以及 OpenCV 源代码中的 hog.cpp)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,但我的值远远超过它们。
我想,我的单一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
最佳答案
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 中的 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。
我对文件的其余部分了解不多,我只使用了这个功能。
关于OpenCV + HOG +SVM : help needed with SVM single feature vector,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7331533/