我在OpenCV中使用SVM和HOG来实现人员检测。 比如使用我自己的数据集：3000个正样本和6000个负样本。 我的问题是每次检测人员时SVM是否需要学习？ 如果是这样，学习时间和预测时间可能非常耗时。有没有办法实现实时人员检测？ 提前谢谢。
感谢您的回答。我在训练后获得了xml结果（3000正面和6000负面），所以我可以使用这个结果编写另一个独立程序只需使用svm.load（）和svm.predict（）？太棒了。此外，我发现1000个检测窗口大小图像（128x64）的预测时间也非常耗时（大约10秒），所以它如何使用1或2像素扫描处理正常的监控摄像头捕获（320x240或更高）实时调整大小？
我根据原始论文实现了HOG，每个单元8x8像素，每块2x2个单元（50％重叠），因此一个检测窗口（128x64）的3780维度向量。时间问题是由巨大的特征向量引起的吗？我应该减少每个窗口的尺寸吗？
答案 0 :(得分：3)
对于一般性主题，这是一个非常具体的问题。
简短回答：不，每次想要使用SVM时都不需要学习。这是一个两步的过程。第一步，学习（在你的情况下，通过为你的学习算法提供许多标记（包含，不包含）包含人或不包含人的图片），得到一个模型，用于第二步：测试（在你的情况下）检测人）。
答案 1 :(得分：1)
你进行一次的训练，然后将训练过的模型svm.save（）训练到xml / yml文件中。
稍后你只需要svm.load（）而不是（重新）训练，然后进行预测