机器学习-支持向量机特征融合技术
在我的最后一篇论文中，我试图通过结合颜色和深度信息来建立一个3d人脸识别系统。我做的第一步是使用迭代最近点算法将数据头部与给定的模型头部重新对齐。对于检测步骤，我考虑使用libsvm。但是我不明白如何将深度和颜色信息组合成一个特征向量？它们是相关信息(每个点由颜色(RGB)、深度信息和扫描质量组成)。你建议怎么做？像权重之类的东西？
编辑:昨天晚上我读了一篇关于SURF/SIFT特性的文章，我想用它们！它能行得通吗？其概念如下:从彩色图像和深度图像(距离图像)中提取这些特征，将每个特征用作支持向量机的单个特征向量？
回答 4
Stack Overflow用户
发布于 2010-11-29 23:30:33
串联确实是一种可能性。然而，当你从事3d人脸识别工作时，你应该有一些关于如何去做的策略。使用“简单”的方法很难识别人脸的旋转和平移。
您应该决定是尝试对整个人脸进行检测，还是对子特征进行检测。您可以尝试通过查找一些核心特征(眼睛、鼻子等)来检测旋转。
此外，请记住，支持向量机本质上是二进制的(即它们在两个类之间是分开的)。根据您的具体应用，您很可能必须采用一些多类策略(一对一或一对多)。
我建议做一些文献研究，看看其他人是如何攻击这个问题的(谷歌搜索将是一个好的开始)。
Stack Overflow用户
发布于 2010-11-29 23:00:16
这听起来很简单，但您可以简单地将这两个向量连接成一个。许多研究人员都是这样做的。
Stack Overflow用户
发布于 2010-11-30 07:26:13
你得到的是一个重要的开放问题。是的，正如Eamorr在这里提到的那样，有一些方法可以处理它。例如，您可以连接并执行PCA (或某些non linear dimensionality reduction方法)。但考虑到PCA在特征数量上花费O(n^3)时间，很难为这样做的实用性辩护。对于视觉中可能具有数千个特征的数据，仅此一项可能是不合理的。
https://stackoverflow.com/questions/4304810
复制相似问题
腾讯云开发者
