多尺度搜索HOG+；Matlab中的支持向量机

首先，这是我在这里的第一个问题，所以我希望我能解释清楚

我的目标是在图像中检测不同类别的交通标志。为此，我按照以下步骤培训了二进制支持向量机：

• 首先，我得到了一个被裁剪的交通标志数据库，比如链接中的那个。我考虑了不同的类别（禁止、危险等）和负面形象。它们都被缩放到40x40像素

• 我使用HOG作为特征为每个类（1-vs-all）训练线性SVM模型。每个图像都用1728维特征描述。（我为所有三个图像平面附加了三个特征向量）。我做了交叉验证来设置参数C，并在以前看不到的40x40图像上进行了测试，得到了非常准确的结果（所有类别的F1分数都超过0.9）。我使用libsvm进行训练和测试

现在我想在全道路图像中检测标志，在不同的图像比例下滑动窗口。我面临的问题是，我找不到任何能为我做到这一点的函数（如OpenCV中的DetectMultiScale），我的解决方案非常缓慢和基本（我只是在做一个三重for循环，对于每个比例，我裁剪连续和重叠的40x40图像，获取HOG特征并对每个图像应用svmpredict）

有人能给我一个线索来找到一个更快的方法吗？我也考虑过获取整个输入图像的HOG特征向量，然后将该向量重新排序到一个矩阵中，其中每一行都有对应于每个40x40窗口的特征，但我找不到一种简单的方法

---

谢谢，

我建议使用冲浪功能检测，但是我不知道这是否也会太慢

请参阅：有关如何实施和天气的更多信息，这是一个可行的解决方案