如何训练 HOG 并使用我的 HOGDescriptor？

Question

我想训练数据并使用 HOG 算法检测行人。 现在我可以使用opencv中的defaultHog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());进行检测，但是结果对我的测试视频来说不是很好。所以我想使用我的数据库进行培训。

我准备了 1000+ 个阳性样本和 1000+ 个阴性样本。它们被裁剪成 50 * 100 的大小，我已经做了列表文件。

我已经阅读了互联网上的一些教程，它们都很复杂，有时甚至很深奥。其中大部分是分析HOG的源代码和算法。但是只有更少的例子和简单的anylize。

一些指令表明libsvm\windows\svm-train.exe可以用来训练，谁能根据1000+ 50*100个正样本给出例子吗？
比如haartraing，我们可以从opencv开始，比如haartraining.exe –a –b加上一些参数，得到一个*.xml作为结果，用于人员检测？

或者有没有其他方法可以训练和检测？

我更想知道如何使用它和详细的程序。作为细节算法，它对我来说并不重要。我只是想实现它。

如果有人知道，请给我一些提示。

Answer 1

我提供了一些示例代码和说明来开始使用 openCV 训练您自己的 HOG 描述符： 见https://github.com/DaHoC/trainHOG/wiki/trainHOG-Tutorial。

简而言之，算法确实太复杂，无法提供，但基本思想是：

1. 从大小和类型相同的负样本图像和正样本图像中提取 HOG 特征。
2. 使用提取的特征向量及其各自的类来训练 SVM 分类器，在此步骤中，您可以将 svm-train.exe 与包含特征向量及其类的正确格式的生成文件一起使用（或直接包含并在您的源代码中处理 libsvm 库类）。
3. 将生成的 SVM 模型和支持向量计算为可与 openCV 检测器一起使用的单个描述符向量。

最好的问候