Opencv：使用 FAST 关键点和 Brief 特征训练 SVM

我想训练一个用于对象检测的支持向量机。此时，我有一个 python 脚本，可以检测 FAST 关键点并提取该位置的 Brief 特征。

现在我不知道如何使用这些描述符来训练 SVM。

请你告诉我：

1. 如何使用描述符来训练SVM（据我所知这些描述符应该是我的训练数据）？

2. 标签有什么用途以及如何获得它们？

要训​​练 SVM，您需要一个矩阵X带有你的特征和向量y和你的标签。对于 3 个图像和两个特征，它应该如下所示：

>>> from sklearn import svm
>>> X = [[0, 0],   <- negative 0
         [1, 3],   <- positive 1
          2, 5]]   <- negative 0
>>> y = [0,   
         1,
         0]
>>> model = svm.SVC()
>>> model.fit(X, y) 

训练集将由多个图像组成，每个图像都是一行X and y.

Labels:

对于标签y你需要正面和负面的例子（0或1）：

阳性样本

您可以通过两种方式指定正样本。一种方法是指定 较大图像中的矩形区域。区域包含对象 出于兴趣。另一种方法是裁剪出感兴趣的对象 从图像并将其另存为单独的图像。然后，您可以指定 该区域是整个图像。您还可以产生更多积极的 通过添加旋转或噪声或通过改变现有样本 亮度或对比度。

负样本

不包含感兴趣对象的图像。

[稍微编辑自here] http://de.mathworks.com/help/vision/ug/train-a-cascade-object-detector.html