Opencv 将猪喂入SVM：猪有9个箱子，但SVM采用1D矩阵

在OpenCV中，有一个CvSVM类，它接受样本矩阵来训练SVM。矩阵是二维的，样本在行中

我创建了自己的方法，从视频提要生成定向梯度直方图（HOG）。为此，我创建了一个9通道矩阵来存储HOG，其中每个通道对应一个方向箱。最后我得到了一个40x30的矩阵，类型是

CV_32FC（9）

还为猪做了一个可视化，它正在工作

---

我不知道该如何将这个矩阵输入到OpenCV SVM中，因为如果我将其展平，我不知道SVM应该如何从1D输入数据中学习9D超平面。

SVM总是在每个特征向量中获取一行数据。因此，特征向量的维数就是行的长度。如果处理的是二维数据，则每个特征向量有2项。此网页上有2D数据示例：

OpenCV中等效演示程序的代码

关键是，即使你认为直方图是二维的，有9个单元，特征向量实际上是这个的扁平版本。所以把它展平成一个长的特征向量是正确的。对我来说，结果是一个长度为2304（16x16x9）的特征向量，我在一个小测试集上获得了100%的预测准确率（即，它可能略低于100%，但工作异常良好）

这种方法之所以有效，是因为支持向量机处理的是特征向量每项的权重系统。所以它与问题的维数无关，超平面总是和特征向量在同一个维数。另一种方法是忽略超平面，将其视为特征向量中每个项目的一组权重。在这种情况下，它需要为每个项目设置一个权重，然后将每个项目乘以其权重并输出结果