基于hog+pca+svm行人检测源码

问题 1, cvSVM很怪， 用训练的样本测试，正确率低于5%， 训练的特征和测试的特征今天也专门测试过了，是完全相同的 *2: 上面的奇怪，我测试了一下，把检测算子乘以90%,结果正确率为99%。原因可能是由于是浮点数，有截断。 特别是如果训练样本很多的时候，由于做乘法很多，最后误差会很大. *3: 负样本上面随机取10个，训练，最后不行。 测得的结果全错. 我好想有点理解为什么 全错了。 是不是因为once-classSVM，只是区分是或不是。 不论是给的是0还是1，最后的结果 都是以检测算子来计算。 所以就算你不用证样本，全部用负样本，得到的结果>0.只是说明和你测试的样本 是同一类。这就好解释为什么总是>0了。这样的话one-class就不该允许训练两种类型了呀？？？？ 工作： 1. 看哪个没有测试正确，然后把单个图片进行训练，然后测试，看是否正确 2. 把线性SVM中的权重向量的转化中的float改为double试试，保存的时候在强制转化为float 这样精度可能会高些 *3. 把svm的代码中的train看看。如果有必要把one-class改过来。 在网上看看SVM怎么进行这种分类 看似是one-class，其实又不是。 4. padding后的训练集老是检测结果不对。 方案 1》使用没有padding的正样本和原始负样本训练，并测试。 看看结果。如果对，执行2》 (测试的过程中，如果randomneg的值大于5，结果都很好，小于的时候结果严重错误, 好像每个负样本都必须训练多次. 也即是说100个负样本训练一次，不如20个负样本训练5次好 可能是因为负样本特征没有可归类性) 2》使用没有padding的训练的结果，测试padding，看看是否正确，观察结果数字，因该有一个和1》中的相同 3》使用padding的正样本训练，并测试没有padding的集合，情况因该一样 4》使用上面的结果，测试padding后的正样本，因该和2相同 疑惑： 1）Size sCacheSize = Size((m_sGradSize.width - m_sBlockSize.width) / m_sCacheStride.width + 1, m_sWinSize.height / m_sCacheStride.height+1 ); 初始化cache大小的时候，m_sWinSize.height / m_sCacheStride.height+1后面不需要+1哦， 最后测试使用cache和没有使用cache的差别的时候，可以直接把cache的size设置为0 结果： 1）用默认的dector运算 测2146个96*176正样本，取 hitshrehold =0. 1965个正确，181个错误 用train1样本hitshrehold=0.4，1976个正确，170个错误 用train2样本hitshrehold=0，全部正确.当hitshrehold=0.4时，全部正确 用train3样本hitshrehold=0.4，1965个正确，181个错误 用train4样本hitshrehold=0.4，1987个正确，159个错误 用hard0.5样本hitshrehold=0.4，1967个正确，179个错误 用hard0.4样本hitshrehold=0.4，1961个正确，185个错误 用hard0.6样本hitshrehold=0.4，1965个正确，181个错误 用trainBRF1208+604样本hitshrehold=0.01，测200个样本全部正确。hitshrehold=0.05,199正确，1个错误 2)用默认的dector元算，测200个320*240负样本，取hitshrehold =0. 180个正确，20错误 用train1样本hitshrehold=0.4，测前面200个，141个正确，59个错误 用train2样本hitshrehold=0.4，测前面200个，141个正确，59个错误. 用train3样本hitshrehold=0.4，测前面200个，150个正确，50个错误 用train4样本hitshrehold=0.4，测前面200个，139个正确，61个错误 用hard0.5样本hitshrehold=0.4，测前面200个，142个正确，58个错误 用hard0.4样本hitshrehold=0.4，测前面200个，158个正确，42个错误 用hard0.6样本hitshrehold=0.4，测前面200个，144个正确，56个错误 用trainBRF1208+604样本hitshrehold=0.015，测20个样本，144个正确，56个错误 3)用默认的dector运算，测MIT的数据集，取hitshrehold =0. 664个正确，260错误 用train2样本hitshrehold=0,全部正确,hitshrehold=0.4,798正确，126错误 4）groupRectangles算法在C:\OpenCV2.2\modules\objdetect\src\cascadedetect