我将使用Navneet Dalal，Bill Triggs和Cordelia Schmid在2006年提出的方法检测物体（人体检测使用面向流动和外观的直方图）
在这种情况下，他们首先使用HOG算法和使用光流的运动描述符来计算外观描述符。然后他们将这两个描述符结合起来，得到我所理解的最终描述符。但我无法找到他们如何结合。
所以我的问题是如何组合外观和运动描述符来获得最终的描述符。 （我将使用更精简的SVM进行培训，并使用opencv来实现）
答案 0 :(得分：1)
在论文第12页中提到：
上面的组合特征探测器是单片的 - 它们连接起来 将运动和外观特征转换为单个大特征向量 并在其上训练组合分类器。
因此，您只需通过连接两个描述符来制作一个特征向量。其他提到的可能性是混合专家：
在我们的实验中，这些效果减轻了由于分离造成的损失 实际上训练和线性混合专家分类器 比最好的单片探测器表现略好。目前 差异是微不足道的（小于1％），但混合物 专家架构提供了更大的灵活性，最终可能 优选的。组件分类器也可以组合在一起 复杂的方式，例如使用拒绝级联[1,22,21] 改善运行时间。
您可以阅读此方法，例如here。