visual-c++ - 使用 SIFT 和 ORB 特征在 OpenCV 中训练 SVM 分类器

Question

我正在尝试训练 SVM 分类器来识别一组 64x128 图像中的行人。我已经使用 HOG 功能完成了该操作，现在我需要使用 SIFT 和 ORB 实现相同的操作。对于 HOG 特征，我总是有相同数量的特征 (3780)，因此火车的矩阵是 image_number 乘以 3780。现在，使用 SIFT 提取器我得到不同大小的关键点。如何使用这些不同大小的关键点为分类器创建矩阵？

非常感谢您的帮助!

我解决了描述符的问题，将它们全部放在同一行中。但是，我发现大多数描述符的值为 0，因此分类器效果不佳。你知道我该如何解决这个问题吗？

这是一段代码:

DenseFeatureDetector detector;
SiftDescriptorExtractor descriptor;
vector<KeyPoint> keypoints;


//for every image I compute te SIFT
detector.detect(image, keypoints);
Mat desc;
descriptor.compute(image,keypoints, desc);
Mat v(1,30976,CV_32FC1);
    for (int j = 0; j<desc.rows; j++){
        for(int k = 0; k<desc.cols; k++){
            v.at<float>(0,128*j+k) = desc.at<float>(j,k);

        }
    } //now in vector v there are all the descriptors (the problem is that most of them have 0 value)

descriptormat.push_back(v);  //descriptormat is the cv::Mat that I use to train the SVM

Answer 1

通常，人们矢量量化 SIFT 或 ORB 特征并构建直方图(词袋模型)。这将为每个训练和测试图像提供一个固定大小的向量。