algorithm - SURF 算法的输出到底是什么？我如何使用它们进行分类(SVM 等)？

Question

我正在从事一个通过航拍视频跟踪人类的项目。我们将使用的算法之一是 SURF。现在我知道 SURF 使用兴趣点，但我对之后的事情感到很困惑。我究竟如何使用兴趣点进行分类？我想识别视频中哪些检测到的物体是人还是物体，那么我当然需要一个训练集，但是我会用什么？我在某处读到应该使用 BoW，但是还有其他方法可以提取这些 SURF 功能吗？如果我正确阅读了 Herbert Bay 的原始 SURF 论文，其中没有提到特征是如何提取的、输出是什么以及它们是如何准备用于分类的。

我真的很困惑。请帮忙。谢谢!

Answer 1

假设您有一张图片，您将图片分成更小的矩形区域(称为补丁)。每个补丁都是一个矩形区域(x，y，宽度，高度)。假设您要描述补丁内的颜色。因此，您计算其中的直方图，结果是数字(向量)的串联(例如:[5 11 2 4 5])。这个输出向量是一个描述向量(描述符)。如果使用所有补丁来提取描述符，则该方法称为密集采样。如果您说只有一些补丁很重要，那么您可以使用关键点来指定哪些补丁重要哪些不重要。

关键点只是图像中比其他点更重要的点。描述符是一个向量，它编码了一个小区域(patch)的颜色/形状/纹理信息。

编辑:SURF 的输出是一个 cv::Mat，其中第一行有 64 个值(L2 标准化)。您可以将两个 L2 归一化向量与 L2 范数(欧氏距离)进行比较。

Edit2:分类器是另一回事。我建议你学习教程http://docs.opencv.org/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html ，同时请记住，您案例的每个 2D 点都是 64 个值的描述符。