SIFT+词袋+SVM的深入理解

为什么这么做，而不是直接像是HOG那样输入到svm中直接进行分类？

首先了解一下返回的参数是什么样子和形式的：

import cv2

img = cv2.imread(r'C:\Users\Pictures\Camera Roll/xxy.jpg')
gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# one SIFT
#sift = cv2.xfeatures2d.SIFT_create()
#kp1 = sift.detect(gray,None)
#img1=cv2.drawKeypoints(gray,kp1,img)
#cv2.imshow("sift_Image", img1)
#cv2.imwrite(r'C:\Users\Pictures\Camera Roll/sift_test.jpg',img1)

#Compare four alogorithms

#Another SIFT
sift = cv2.xfeatures2d.SIFT_create(120)
(kps, descs) = sift.detectAndCompute(gray, None)
img1=cv2.drawKeypoints(gray, kps, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('SIFT_Algorithm', img1)

# SURF
surf = cv2.xfeatures2d.SURF_create()
(kps2, descs2) = surf.detectAndCompute(gray, None)
img2=cv2.drawKeypoints(gray, kps2, img, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('SURF_Algorithm', img2)

在SIFT算法中，我加了一个120，用于指定我取前120个最好的keypoint(检测关键点)，通过spyder可以看到kps和descs（描述子）

可见描述子的矩阵为120*128，其中120为120个检测关键点，128为每个检测关键点所对应的特征的值（也就是每一个检测关键点用一个128*1的向量表示的（128是固定的，但是kps如若不指定大小的话，不同的图像会有不同的值））

*注：我们使用的是decs矩阵，kps不包含特征值，只包括检测关键点

对于词袋模型的建立来自这篇博客：

点击打开链接

其中对应这篇博客中的图片，我们可以理解其中的鼻子，眼睛等局部特征就是我们的检测关键点，这样就一一对应上了。

我们最后想要使用SVM进行分类，所以最后我们要输入一个向量，但是呢，SIFT特征提取出来的是一个矩阵，我们不能直接把这个矩阵展开了，（直接展开一是向量就太大的，二是就相当于把鼻子对用的向量接到嘴对应的向量后面，等等，不像是hog一样是拼接的梯度特征，这里是拼接的是检测关键点）利用词袋模型再加以聚类分析可以更高效的利用这些特征，因此采用这种方法是最为合理的。

对应的流程图为：

有了上面的理论知识，下面就可以动手实现代码了，比较好的是这个博客，可以参考其代码： 点击打开链接

代码中部分函数是之前的，但是其基本思想可以借鉴。