大家好，我在这里的第一篇文章，
我在没有事先培训的情况下通过图像跟踪对象。我使用了两个特征，区域的颜色（Lab 空间的 ab 通道）和 HOG。在我最初的实验中，我发现使用 min. 仅具有HOG特征的距离分类器具有低误报FP但具有高FN的优点。另一方面，使用最小值。仅使用颜色的距离分类器会增加 TP 并降低 FN 结果，但代价是 FP 增加。
我的问题是如何结合这两个分类器？我想知道以无监督方式执行此操作的标准算法。
我试图将这两个特征组合成一个特征（归一化后），但 HOG 占主导地位。即使我对组合特征进行加权，结果也比两者中的任何一个都差。
到目前为止，我达到的好结果是（级联）两个分类器，首先运行颜色以增加可能性，然后运行 HOG（阈值比单独使用 HOG 的阈值高一点）。我用谷歌搜索了这个主题，但我没有足够的分类知识来找到标准方法。
感谢帮助