问题标签 [feature-extraction]

我正在开发一个项目，该项目在 Android 平台上捕获图像后识别对象。为此，我提取了样本图像的特征，例如紧实度、矩形度、伸长率、偏心率、圆度、球形度、叶状度和 hu 矩。之后，随机树被用作分类器。由于我使用从 Google 收集的非高分辨率图片来创建我的分类器，因此在裁剪图像时，捕获的 1280x720 大小的图像会给出 19/20 的正确结果。

但是，当我拍摄大尺寸的图像（例如大约 5 兆像素）并对其进行裁剪以进行识别时，获得的正确结果的数量会急剧减少。

我是否需要提取高分辨率图像的特征并对其进行训练，以便在捕获高分辨率图片时获得准确的结果？有没有办法调整与图像分辨率相关的提取特征？

我想创建一个分类器，以便通过捕获的图像识别昆虫。第一次，我使用了 HuMomennts，但由于 HuMoments 是比例变体，以不同分辨率捕获的图像给出了不正确的结果。在互联网上进行了一些搜索后，我发现使用 SIFT 和 SURF 可以解决我的问题，因此，我试图看看使用 SIFT 时会发生什么。下面的前两张图片属于不同的昆虫种类。结果很奇怪，因为 400 个特征中的所有特征都是匹配的（见第三张图）。

问题 1：为什么这两张图片中的所有特征都匹配？

问题 2：我如何以可以存储特征的方式存储（即 XML 文件）图像的特征，以便在分类树（即随机树）中训练它们？

信息：

我想使用 OpenCV 的 HOG 检测来识别可以在各种方向看到的对象。唯一的问题是，我似乎无法找到一个合理的特征检测器或分类器来以旋转和缩放不变的方式检测这一点（正如前臂等物体所需要的那样）。

前期工作：

让我们专注于本次讨论的前臂。前臂可以有多个方向，主要的不同特征可能是它的轮廓边缘。前臂图像可能指向图像中的任何方向，因此很复杂。到目前为止，我已经对使用 HOG 描述符来解决这个问题进行了一些深入的研究，但我发现在我的正面训练集中前臂产生的各种姿势在实际图像中产生非常低的检测分数。我怀疑问题是每个正图像产生的梯度在保存到直方图中时不会产生非常一致的结果。我已经查看了许多关于该主题的研究论文，试图解决或即兴解决这个问题，包括来自 Dalal & Triggs [链接] 的原件：http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf似乎检测整个人类的假设并不一定适用于检测个体特征（特别是假设所有人类都站起来似乎表明 HOG 不是像前臂那样进行旋转不变检测的好方法）。

笔记：

如果可能的话，我想避开任何非自由的解决方案，例如那些与 Sift、Surf 或 Haar 有关的解决方案。

问题：

检测图像中旋转和缩放不变对象的好的解决方案是什么？特别是对于这个例子，什么是检测图像中前臂所有方向的好解决方案？

我目前正在执行一个与语音识别相关的项目，其中鼠标事件（如右键单击、左键单击、双击 .. 等）将作为语音命令给出。因此，作为第一步，我的主管告诉我使用梅尔频率倒谱系数提取每个语音命令的特征，并将这些提取的特征存储在使用 LIBSVM 格式的文本文件中。我已经使用互联网上的一些参考实现了 MFCC。但我不确定这在哪里是正确的。我不确定 MFCC 的输出。当我说“对”时，我的程序给出了这样的结果

1. 有人可以解释一下输出之王应该从 MFCC 得到什么吗
2. 如何以 LIBSVM 格式存储从 MFCC 提取的特征。
3. 有人可以帮我为我的问题找到正确的 MFCC 数学实验室实现吗？

我试图提取下面定义的一些特征作为使用 NSL-KDD 数据集的 DDoS 检测算法的输入向量。

特征 #2 和 #4 是明确的 KDD 特征。但是像第一个功能这样的功能似乎需要数据包的信息。

我可以从 NSL-KDD 数据集中提取数据包信息吗？如果可以，如何？

特征：

1. 到指定端口的 UDP 回显数据包数。
2. 在指定时间窗口内与同一主机的连接数。
3. 来自同一来源的 ICMP 回显应答数据包数
4. 在指定时间窗口内使用相同服务出现 SYN 错误的连接数
5. 两个连续数据包之间的时间差方差
6. 传入 SMTP 数据包和传出 SMTP 数据包的比率

Given a sample dataset with 1000 samples of data, suppose I would like to preprocess the data in order to obtain 10000 rows of data, so each original row of data leads to 10 new samples. In addition, when training my model I would like to be able to perform cross validation as well. The scoring function I have uses the original data to compute the score so I would like cross validation scoring to work on the original data as well rather than the generated one. Since I am feeding the generated data to the trainer (I am using a RandomForestClassifier), I cannot rely on cross-validation to correctly split the data according to the original samples.

What I thought about doing:

• Create a custom feature extractor to extract features to feed to the classifier.
• add the feature extractor to a pipeline and feed it to, say, GridSearchCv for example
• implement a custom scorer which operates on the original data to score the model given a set of selected parameters.

Is there a better method for what I am trying to accomplish?

I am asking this in connection to a competition going on right now on Kaggle

我有一个简短的问题：当我在 OpenCV 中进行特征匹配时， in 的属性distance是什么意思？DMatchesMatOfMatches

我知道我必须过滤距离较大的匹配，因为它们不如距离较短的匹配。但是这个属性是什么意思呢？这是一种偏差吗？

我有骨架化的图像。如何使用 OpenCV 提取和简化右侧图像上的线条？

谢谢你。

更新

我有骨架节点。

现在，如果它们在同一条线上，我需要加入点。我该怎么做？

之后简化这条路径。我想我知道该怎么做，但是如果您有任何想法，请给我建议。

我正在尝试使用 OpenCV 2.4.0 跟踪一系列灰度图像中的特征点集。

我已经知道如何实现 SIFT 或 SURF 来检测特征点并初步计算描述符。但是，我需要帮助来计算只有我知道位置 (u,v) 的特征点的 SIFT 描述符。SIFT 的工作示例代码如下所示。

例如，如果我使用 Haris 角点检测器来检测以下特征dv_scenePoints_t：

那么在这种情况下，我将如何计算点的 SIFT 描述符dv_scenePoints_t。

另外，如果我必须通过粒子过滤器跟踪特征点。然后，我将如何使用 SIFT 描述符来计算每个粒子的权重（特征点假设）。谢谢。

我正在为我的期末作业做手部动作识别项目，我的代码的核心是隐马尔可夫模型一些论文说我们首先需要检测对象，执行特征提取然后使用HMM来识别动作，

我正在使用openCV，我已经使用haar clasifier完成了手部检测，我已经使用c ++准备了hmm代码，但是我错过了一些东西：

1. 我不知道如何将 Haar Clasifier 与 HMM 集成
2. 如何从检测到的手（haar 分类器）中执行特征提取？
3. 我知道我们应该首先训练 HMM 进行动作识别，但我不会如何训练动作数据，我应该使用什么样的数据？如何准备数据？我在哪里可以找到它们或如何收集它们？
4. 如果我在google上搜索，有人说HMM动作识别与HMM语音识别有相似之处，但我混淆了哪个部分相似？

如果我做错了，请告诉我，给我建议我该怎么做

请教我，大师