使用带有自适应增强的 SURF 进行手部姿势识别

Question

我正在尝试实现本文的算法：

http://www.bmva.org/bmvc/2012/WS/paper5.pdf

这是第 6 页中的“所有目标姿势的训练过程”算法。

基本上是一种使用 adaboost 和 SURF（特征提取器）进行手部姿势识别的技术。就像我之前写的一样，我正在尝试实现，但我仍然不明白这个算法。问题是我有一些问题，例如：

1. 什么是匹配分数列表，在第 5 页最后一段提到？
2. 阈值与训练过程（训练算法）有什么关系？
3. 训练算法第7行：函数ht(Ix,ft,tet)的返回值是什么？

我想知道是否有人实现了这个算法，或者是否有人可以帮助我解决这个问题。

非常感谢您的回答（帮助），因为我已经在这个算法上投入了一些时间，但我仍然不明白这个算法的实现。

Answer 1

浏览论文，这是我的推断。请注意，我没有详细阅读这篇论文，所以我可能是错的，但是之前实施过 AdaBoost，我可以澄清你的疑问：

1. 在测试部分，您为数据库中的每个姿势分配一个匹配的“分数”。您希望尽可能准确地确定测试图像的姿势。 “分数”表示测试姿势与数据库中的姿势“接近”的程度。最后得分最高的姿势就是你匹配/测试的结果。

2 和 3. 在选择弱分类器期间，您有一个阈值，因此一旦它们的权重小于阈值，选择弱分类器的迭代就会停止。阈值应该是最佳的，因为“选择的”弱分类器应该足够独特，以便能够有效地对其对应的向量进行分类。同时，你不应该对阈值太严格，否则迭代所花费的时间会非常大。因此，阈值应该是最佳的，本文展示了如何计算它。这回答了你的第二个问题。你说的函数ht是弱分类器。