OpenCV3.1 SVM+HOG训练经验总结

问题一：这个问题是比较乌龙了。我的训练样本是两个类别，正确的情况下是生成一个决策函数，而我却得到了三个。运行总是出错。

                因为由 getDecisionFunction(0,svm_alpha,svm_svidx) 得到的svm_alpha出错，导致矩阵维数不能对齐 ;

原因：

        我实际负样本数是5339，我却误写为5341，导致给标识和特征的矩阵多出两行，而程序默认赋值为0，所以我本来只有-1和1两类，最终生成了-1,0,1两类。

       不能再马虎了，耽误自己的时间，还搞得心情郁闷。

问题二：在 hog_test.setSVMDetector(vec)处出现断言错误。

原因：

        特征维数与OpenCV根据HOG块大小计算出的值不匹配。默认的HOG初始参数是 hog(Size(64,128),Size(16,16),Size(8,8),Size(8,8),9) ，特征维数3780。而我改为了 hog(Size(64,64),Size(16,16),Size(8,8),Size(8,8),9)，特征维数1764。而在初始化定义时我用了 HOGDescriptor hog_test;使用了默认参数初始化，导致维数不匹配，改为 HOGDescriptor hog_test(Size(64,64),Size(16,16),Size(8,8),Size(8,8),9)即可。

    网上也有说 把configuration properties -> general -> platform toolset 改为"v90"，我想只是治标不治本的方法吧。

另外，网上也提出一些注意事项，暂无测试。

1.注意必须使用线性SVM进行训练，因为HogDescriptor检测函数只支持线性检测！！！

2. 注意因为svm.predict使用的是alpha*sv*another-rho，如果为负的话则认为是正样本，在HOG的检测函数中，使用rho+alpha*sv*another如果为正的话是正样本，所以需要将后者变为负数之后保存起来.