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计算 HOG 值，然后用 LIBSVM 计算 SVM 向量，因此我得到了例如 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）由 i 处的支持向量的总和 * 该支持向量的 alpha 值构成，例如
det[i] = sum_j (sv_j[i] * alpha[j])，其中j是支持的数量向量，i
是支持向量的分量数。”</p>
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，该元素已乘以 alpha 值，......</ p>
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,
您会看到，默认向量值位于 –1 和 +1 之间，但我的值远远超出了它们。
我想，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