Opencv 用于行人检测训练的HOG描述符

我想知道为什么我的猪形描述不能代表正确的人体轮廓。我使用如下参数

CV_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),
        cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),
        histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true),
        free_coef(-1.f), nlevels(HOGDescriptor::DEFAULT_NLEVELS), signedGradient(false)
    {}

当我绘制它们时，为什么我没有正确的轮廓，如图中所示。 这两张图片附在后面。彩色图像是我的hog描述符，灰色是上面链接中的图像

我需要了解哪些事实才能获得正确的轮廓，如上图所示

---

灰色图像是HOG描述符的正加权图像。不是纯粹的描述符。我想知道Opencv的默认人员检测器是如何训练的。训练后的SVM检测器大小仅为几千字节，检测率较高。我的训练有素的探测器大小为兆字节，命中率低/虚警率高。

灰色图像是HOG描述符的正加权图像。不是纯粹的描述符。我想知道Opencv的默认人员检测器是如何训练的。训练后的SVM检测器大小仅为几千字节，检测率较高。我训练过的检测器大小为兆字节，命中率很低/虚警率很高。这个网站可能会帮助你：现在我可以找出如何训练具有良好虚警率和高检测率的SVM。也就是说，首先准备一组正像和负像。然后训练支持向量。然后运行阴性样本以获得假阳性检测。然后将这些假阳性添加到阴性样本中，并再次进行训练。这个过程重复两到三次，直到假阳性率没有多大改善。这就是具有良好检测精度的支持向量。