Matlab 结合多特征向量、HOG和LBP
我正在使用两个特征描述符(HOG和LBP)进行人员检测。到目前为止,我使用了一个简单的连接来组合这两个特性。但它有时会让我看到由于大向量而产生的问题。这是我的密码Matlab 结合多特征向量、HOG和LBP,matlab,image-processing,video-processing,feature-extraction,Matlab,Image Processing,Video Processing,Feature Extraction,我正在使用两个特征描述符(HOG和LBP)进行人员检测。到目前为止,我使用了一个简单的连接来组合这两个特性。但它有时会让我看到由于大向量而产生的问题。这是我的密码 %extract features from negative and positive images [HOGpos,HOGneg] = features(pathPos, pathNeg); % loading and labeling each training example HOG_featV = HOGfeatu
%extract features from negative and positive images
[HOGpos,HOGneg] = features(pathPos, pathNeg);
% loading and labeling each training example
HOG_featV = HOGfeature(fpos,fneg);
% get label of training data from HOG
HOGlabel = cell2mat(HOG_featV(2,:));
% get the feature vector value from HOG
HOGfeatureVector = HOG_featV(3,:)';
C = cell2mat(HOGfeatureVector); % each row of P correspond to a training example
%extract features from LBP
[LBPpos,LBPneg] = LBPfeatures(pathPos, pathNeg);
% loading and labeling each training example
LBP_featV = loadingV(LBPpos, LBPneg);
% get label of training data from LBP
LBPlabel = cell2mat(LBP_featV(2,:));
% get feature vector value from LBP
LBPfeatureVector = LBP_featV(3,:);
M = cell2mat(LBPtP)'; % each row of P correspond to a training example
%concatenate HOG and LBP feature
featureVector = [C M];
我想知道,有什么方法可以把两个特征向量结合起来,更可靠,更快?如果是,请给出一些建议或链接,我可以参考。谢谢。我从您的评论中了解到以下内容: 您正在图像中选择1845个关键点。对于每个点,计算长度为383(LBP+HOG组合)的特征向量。代表图像的总矢量长度约为100000 如果事实上你只有1845张图像,而每张图像仅由383个特征表示,那么你注定会失败,你的支持向量机将有很高的错误率。主要原因是(特征向量太短,训练图像数量太少)。所以我认为情况并非如此 您的方法有一些问题。
我从您的评论中了解到以下内容: 您正在图像中选择1845个关键点。对于每个点,计算长度为383(LBP+HOG组合)的特征向量。代表图像的总矢量长度约为100000 如果事实上你只有1845张图片,而每张图片只有383个特征,那么你注定会失败,你的