2

我将使用 Navneet Dalal、Bill Triggs 和 Cordelia Schmid 在 2006 年提出的方法检测对象（Human Detection Using Oriented Histograms of Flow and Appearance）

在这种情况下，他们首先使用 HOG 算法计算外观描述符，使用光流计算运动描述符。然后他们将这两个描述符结合起来，得到了我所理解的最终描述符。但我找不到他们是如何结合起来的。

所以我的问题是如何结合外观和运动描述符来获得最终的描述符。（我将使用更精简的 SVM 进行训练并使用 opencv 来实现）

4

1 回答 1

1

它在论文第 12 页中提到：

上面的组合特征检测器是单片的——它们将运动和外观特征连接成一个大特征向量，并在其上训练一个组合分类器。

因此，您只需通过连接两个描述符来制作一个特征向量。其他提到的可能性是专家混合：

在我们的实验中，这些效果减轻了由于单独训练造成的损失，并且线性混合专家分类器实际上比最好的单片检测器表现得稍好。目前差异很小（小于 1%），但专家混合架构提供了更大的灵活性，最终可能更可取。组件分类器也可以以更复杂的方式组合，例如使用拒绝级联 [1, 22, 21] 来改善运行时间。

例如，您可以在此处阅读有关此方法的信息。

于 2013-11-15T10:31:20.793 回答