SURF 알고리즘의 출력은 정확히 무엇이며 분류 (SVM 등)에 어떻게 사용할 수 있습니까?

Question

공중 비디오에서 인간을 추적하는 프로젝트를 진행 중입니다. 우리가 사용할 알고리즘 중 하나는 SURF입니다. 이제 SURF가 흥미 지점을 사용한다는 것을 이해하지만, 그 후에는 혼란 스럽습니다. 관심 분야를 분류에 정확히 사용하려면 어떻게해야합니까? 비디오에서 감지 된 개체가 사람이나 물체 인 것을 확인하고 싶습니다. 따라서 물론 교육 세트가 필요하지만 무엇을 사용할 것입니까? 나는 BoW가 사용되어야하는 곳을 읽었지 만, 이러한 SURF 기능을 추출하는 다른 방법이 있습니까? 허버트 베이 (Herbert Bay)가 원래의 서프 (SURF) 논문을 정확하게 읽은 경우, 그 특징을 추출한 방법, 결과물, 분류 방법 등은 언급하지 않았습니다.

정말 혼란 스럽습니다. 도와주세요. 고맙습니다! 나는 또한 물체 감지 프로젝트를 진행하고

Answer 1

... 나는이 모든에 새로 온 사람 만이 (라고 패치 http://cs229.stanford.edu/proj2011/SchmittMcCoy-ObjectClassificationAndLocalizationUsingSURFDescriptors.pdf

Answer 2

이의이 이미지를 가지고 있고 작은 직사각형 영역으로 이미지를 분할 해 봅시다 도움이 될 수 있습니다). 각 패치는 직사각형 영역 (x, y, 폭, 높이)입니다. 패치 내부의 색상을 설명하고자한다고 가정 해 보겠습니다. 따라서 히스토그램을 계산하면 결과는 숫자 (벡터) (예 : [5 11 2 4 5])의 연결입니다. 이 출력 벡터는 설명 벡터 (설명자)입니다. 모든 패치를 사용하여 설명자를 추출하는 경우이 방법을 고밀도 샘플링이라고합니다. 패치 중 일부만 중요하다고 말하면 키포인트를 사용하여 중요한 포인트와 그렇지 않은 포인트를 지정하십시오.

키 포인트는 이미지의 다른 점보다 중요한 점입니다. 설명자는 작은 영역 (패치)의 색상/모양/텍스처 정보를 인코딩하는 벡터입니다.

편집 : SURF의 출력은 첫 번째 행의 64 개 값 (L2 정규화) 인 cv :: Mat입니다. 두 개의 L2 정규화 된 벡터를 L2- 표준 (유클리드 거리)와 비교할 수 있습니다.

편집 2 : 분류 기준은 다른 이야기입니다. 튜토리얼 http://docs.opencv.org/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html을 공부하는 것이 좋습니다. 단, 케이스의 2D 포인트는 모두 64 개의 값을 갖는 Descriptor입니다.

Answer 3

죄송합니다. 지금 막 보았습니다. SURF 두 부분

1. 헤 시안 매트릭스
2. 관심 지점의 근방을 설명하는 설명 벡터의 결정을 사용하여 추출 된 관심 지점
   있다. 이 점 xyabcl 데 xyabcl 데 의 the original SURF implementation

   (기술자의 + 길이 1) 번호의 출력 형식 2. 으로 관심이 분류를 들어

...

x, y = 관심 지점의 위치 a, b, c = [ab; b c] 두 번째 모멘트 행렬의 항목. SURF는 원형 영역 만 가지므로 b = 0입니다. a = c -> 반지름 = 1/a^2 l = 라 플라 시안 부호 (-1 또는 1). 이 값은 탐지 된 BLOB가 밝은 배경 (-1) 또는 어두운 배경의 빛 (+1) des = 설명자 벡터 자체에서 어둡다면 설명 할 때 매우 유용합니다. 자세한 내용은 종이를 참조하십시오.

희망이 있습니다.