Image processing 基于自适应Boosting的SURF手势识别

我试图实现本文的一个算法：

这是第6页中所有目标姿势算法的训练过程

基本上是一种使用adaboost和SURF特征抽取器进行手势识别的技术。就像我以前写的，我正在尝试实现，但我仍然不理解这个算法。问题是我有一些问题，比如：

第5页最后一段提到的匹配分数列表是多少？ 阈值和训练过程训练算法之间的关系是什么？ 在训练算法的第7行：哪个是函数htIx，ft，tet的返回？ 我想知道是否有人实现了这个算法，或者是否有人可以在这个问题上帮助我

---

非常感谢您的回答帮助，因为我已经在这个算法上投入了一些时间，但我仍然不理解这个算法的实现。

浏览全文，下面是我的推断。请注意，我没有详细阅读这篇论文，因此我可能是错的，但由于之前使用了AdaBoost，我可以澄清您的疑问：

在测试部分，您为数据库中的每个姿势分配一个匹配的“分数”。您希望尽可能准确地确定测试图像的姿势。“分数”表示测试姿势与数据库中姿势的“接近程度”。最后得分最高的姿势是您的匹配/测试结果。 2和3。在选择弱分类器期间，您有一个阈值，因此选择弱分类器的迭代将在其权重小于阈值时停止。阈值应该是最佳的，因为“选定的”弱分类器应该足够唯一，以便能够有效地对其对应的向量进行分类。同时，您不应该对阈值太严格，否则迭代所花费的时间将非常大。因此，阈值应该是最佳的，本文介绍了如何计算阈值。这回答了你的第二个问题。你所说的功能是弱分类器