使用SURF和自适应Boosting进行手势识别

Question

我正在尝试实现本文的算法：

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

这是“所有目标姿势的训练过程”算法，见第6页。

基本上是一种使用adaboost和SURF（特征提取器）进行手势识别的技术。就像我之前写的，我正在尝试实现，但我仍然不理解这个算法。这个问题是我的一些问题，如：

1. 匹配得分列表是什么，在第5页，最后一段中提及？
2. 阈值与训练过程（训练算法）之间的关系是什么？
3. 在训练算法的第7行：哪个是函数ht的返回（Ix，ft，tet）？

我想知道某人是否实施了此算法，或者有人可以帮我解决这个问题。

非常感谢你的回答（帮助），因为我已经在这个算法上投入了一些时间，我仍然不理解这个算法要实现。

Answer 1

扫描论文，这是我推断的内容。请注意，我没有详细阅读论文，所以我可能错了，但之前实施过AdaBoost，我可以澄清你的疑虑：

1. 在测试部分中，您为数据库中的每个姿势指定匹配的“分数”。您希望尽可能准确地确定测试图像的姿势。 “得分”表示测试姿势与数据库中的姿势“接近”的程度。最终得分最高的姿势是匹配/测试的结果。

2和3.在选择弱分类器时，您有一个阈值，因此选择弱分类器的迭代会在其权重小于阈值时停止。阈值应该是最佳的，因为“选定的”弱分类器应该足够独特以便能够有效地对其相应的矢量进行分类。同时，你不应该对阈值过于严格，否则迭代所需的时间会非常大。因此，阈值应该是最佳的，并且纸张显示了如何计算它。这回答了你的第二个问题。你所谈论的功能是弱分类器。