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＆＃39;图像＆＃39;应该包含图像信息，相应地labels包含图像标签。我如何构建images和labels应具有哪些格式和尺寸？我尝试不成功地images成为一个Python数组（附加展平图像）然后，在另一次尝试中，Numpy数组：

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

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

这是解决问题的正确方法吗？如果是，那么培训分类器的正确方法是什么？

Answer 1

我不认为您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。

基本方法是从每个图像提取某些功能，并使用这些功能来训练您的模型。一组要素形成单词词典，每个词都描述您的图像。由于您使用相同的单词集来描述每个图像，因此您可以比较与不同图像对应的要素。 This link介绍了更多细节，请查看。

接下来是什么？

1. 为算法选择一个特征提取器 - HOG，SURF，SIFT（link）
2. 从每张图片中提取要素。您将获得一个与images array相同长度的数组。
3. 初始化词袋（BoG）模型
4. 使用BoG培训SVM

有用的链接：

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