如何在图像上训练OpenCV SVM分类器

Question

该任务的目的是通过SVM对图像进行分类。变量'图像'应该包含图像信息，相应地labels包含图像标签。 images和labels应该如何构建（什么格式和尺寸）？我试图unsuccesfully images是一个Python阵列（追加扁平图像），然后在另一种尝试，numpy的数组：

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

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

它是一个正确的解决问题的方法，如果是这样，什么是训练正确的方法分类器？

Answer 1

我不认为你可以使用原始图像数据来训练SVM模型。好吧，你可以，但它不会很有成效。

的基本方法是提取一些功能从每个图像，并使用这些功能训练模型。一组功能形成了一个单词词典，其中每个单词都描述了您的图像。由于您使用相同的单词来描述每个图像，因此您可以比较与不同图像对应的功能。 This link介绍更多细节，请检查它。

接下来是什么？

1. 选择适合您的算法中特征提取 - HOG，SURF，SIFT（link）从每个图像
2. 提取特征。您将获得一个与图像数组长度相同的数组。
3. 初始化袋的字（BOG）模型
4. 列车SVM与加纳银行

相关链接：

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