84、基于支持向量机的目标检测与语义分类技术

基于支持向量机的目标检测与语义分类技术

在计算机视觉领域，支持向量机（SVM）在目标检测和语义分类方面有着广泛的应用。本文将介绍两种基于支持向量机的算法：潜在支持向量机（Latent SVM）和词袋算法（Bag of Words）。

1. 潜在支持向量机（Latent SVM）用于目标检测

潜在支持向量机最初是为了检测图像中的行人而设计的，但它也能很好地应用于其他多种目标的检测，如自行车和汽车等。该算法基于之前的HOG - SVM技术。

• HOG - SVM技术 ：HOG - SVM使用滑动窗口，类似于人脸检测级联分类器。它将窗口划分为更小的块，并计算每个块中图像梯度方向的直方图，这些直方图通常简称为“HOG”。将这些直方图连接起来形成特征向量，然后传递给SVM分类器。
• 潜在支持向量机的改进 ：潜在支持向量机从与HOG - SVM类似的HOG特征开始，但除了检测整个目标外，它还分别表示目标的不同部分，如行人的手臂、腿部和头部。这些部分相对于图像中心（Felzenszwalb称为根节点）的位置是未知的，它们是模型中的潜在变量，这也是该算法名称的由来。一旦根节点和各个部分的位置确定，就可以形成目标假设，同时考虑到找到的部分相对于根节点的位置的可能性。

1.1 使用cv::dpm::DPMDetector进行目标检测

要在OpenCV中使用潜在支持向量机分类器，需要按照以下步骤操作：
1. 实例化cv::dpm::DPMDetector对象 ：该对象位于opencv_co