如何在圖像上訓練OpenCV SVM分類器

Question

該任務的目的是通過SVM對圖像進行分類。變量'圖像'應該包含圖像信息，相應地labels包含圖像標籤。 images和labels應該如何構建（什麼格式和尺寸）？我試圖unsuccesfully images是一個Python陣列（追加扁平圖像），然後在另一種嘗試，numpy的數組：

images=np.zeros((number_of_images, image_size)) 
labels=np.zeros((number_of_images, 1)) 

svm=cv2.SVM() 
svm.train(images, labels) 

它是一個正確的解決問題的方法，如果是這樣，什麼是訓練正確的方法分類器？

Answer 1

我不認爲你可以使用原始圖像數據來訓練SVM模型。好吧，你可以，但它不會很有成效。

的基本方法是提取一些功能從每個圖像，並使用這些功能訓練模型。一組功能形成了一個單詞詞典，其中每個單詞都描述了您的圖像。由於您使用相同的單詞來描述每個圖像，因此您可以比較與不同圖像對應的功能。 This link介紹更多細節，請檢查它。

接下來是什麼？

1. 選擇適合您的算法中特徵提取 - HOG，SURF，SIFT（link）從每個圖像
2. 提取特徵。您將獲得一個與圖像數組長度相同的數組。
3. 初始化袋的字（BOG）模型
4. 列車SVM與加納銀行

相關鏈接：

1. C++ vey detailed example
2. Documentation for existing BOG classifier