样本采集过程中需要注意的问题

项目：客流量统计系统

样本采集：

目标：人头

摄像头架设位置：垂直

样本采样：包括头部边缘的人头作为检测目标

样本采集需要注意的问题：

• 样本的大小：需要按照一定的比例（1:1）采集，可以使用ps设置扣取目标并缩放到统一尺度下
• 样本的基准参考点：尽量保持人头的头顶居于图片的中心位置，以防止图片过于偏于某个方向而引入较多的噪声

目标：头和肩膀

摄像机架设位置：垂直

样本采样部位：包括完整的人头和部分肩膀信息

样本采集需要注意的问题：

• 样本的大下：按照一定的比例（1:1）采集，（头和肩膀的采样形状会随着人体的不同姿势而发生改变，如果用矩形框，人在水平站立和倾斜45度时采样的矩形框比例不同，为了统一标准，选取正方形）
• 样本的基准参考点：尽量将人头摆放着中间位置，并按照人头的大小将采样区域扩大为人头的1.5-2倍作为样本。（原因：如果选取包含人体的全部肩部和头部信息，会随着人体的旋转，采样的大下发生变化，可能不利于特征的分类）

样本训练：

分类器：svm

样本比例：如果使用opencv自带的svm进行特征训练，对于二分类问题，正负样本比例接近1:1，若正负样本个数差异较大，听朋友说可以通过加权svm来控制分类器

样本数量：在客流统计系统中，正负样本分别大于4000张

样本更新：在使用svm训练出分类器后，需要用测试样本对分类器进行测试，分别将误检和虚检的目标添加到正负样本中，更新样本（主要是更新负样本，正样本主要依靠人工扣取更新），直至正负样本分别收敛为止。

svm系数调整：对于线性分类器，参数C值对svm的分类结果有较大影响，可以通过调节c值获取较好的分类器，同样训练的迭代次数同样对此有影响，常见的博客中用到的是100次迭代。但是在使用过程中，用到了1E5--1E7有较好的效果，说明迭代次数较大时，分类器性能较好。