如何使用SIFT和SVM实现一般图像分类器

Question

我想用scikit-learn训练我的svm分类器进行图像分类。 我想用opencv-python的SIFT算法函数提取图像特征。情况如下：

1. svm分类器的scikit-learn输入是2-d数组，这意味着每行代表一个图像，每个图像的特征量是相同的; here
2. opencv-python的SIFT算法返回一个关键点列表，这是一个形状为的numpy数组。 here
所以我的问题是：
我如何处理SIFT功能以适应SVM分类器的输入？你能救我吗？

UPDATE1 ：

感谢pyan的建议，我调整了我的建议如下：
1.从每个图像中获取SIFT特征向量
2.对所有向量执行k均值聚类 3.创建基于集群中心的特征字典a.k.a. cookbook 4.基于特征字典重新表示每个图像，当然每个图像的尺寸量是相同的 5.训练我的SVM分类器并对其进行评估

UPDATE2：

我已经将所有图像SIFT特征向量聚集到一个数组（x * 128）中，这个数组太大了，然后我需要对它进行聚类。
问题是：
如果我使用k-means，则必须设置参数簇号，我不知道如何设置最佳值;如果我不使用k-means，哪种算法可能适用于此？
note:I want to use scikit-learn to perform clustering

我的建议是：
1.对矢量执行dbscan聚类，然后我可以得到label_size和标签;
2.因为scikit-learn中的dbscan不能用于预测，我可以根据dbscan结果训练一个新的分类器A;
3.分类器A就像一本食谱，我可以标记每个图像的SIFT向量。之后，每个图像都可以重新表示;
基于上述工作，我可以训练我的最终分类器B.
note:for predict a new image, its SIFT vectors must be transform by classifier A into the vector as classifier B's input

你能给我一些建议吗？

Answer 1

图像分类可以非常通用。为了定义好的功能，首先需要明确您想要的输出类型。例如，图像可以根据其中的场景分为自然视图，城市视图，室内视图等。不同类别的分类可能需要不同类型的特征。

计算机视觉中用于基于关键词的图像分类的常用方法是词袋（特征装袋）或字典学习。您可以进行文献检索以熟悉此主题。在您的情况下，基本思想是将SIFT功能分组到不同的群集中。不是直接向scikit-learn提供SIFT特征，而是将要素组频率的向量作为输入。因此每个图像将由一维矢量表示。

维基百科的简短介绍Bag-of-words model in computer vision