学习OpenCV——BOW特征提取函数（特征点篇）

没日没夜的改论文生活终于要告一段落了，比起改论文，学OpenCV就是一件幸福的事情。OpenCV的发展越来越完善了，已经可以直接使用BOW函数来进行对象分类了。

简单的通过特征点分类的方法：                                                                      

一、train

1.提取+/- sample的feature，每幅图提取出的sift特征个数不定（假设每个feature有128维）

2.利用聚类方法（e.g K-means）将不定数量的feature聚类为固定数量的(比如10个)words即BOW（bag of word）

（本篇文章主要完成以上的工作！）

3.normalize，并作这10个类的直方图e.g [0.1，0.2，0.7，0...0];

4.将each image的这10个word作为feature_instance 和 (手工标记的) label（+/-）进入SVM训练

二、predict

1. 提取test_img的feature（如137个）

2. 分别求each feature与10个类的距离(e.g. 128维欧氏距离)，确定该feature属于哪个类

3. normalize，并作这10个类的直方图e.g [0，0.2，0.2，0.6，0...0];

4. 应用SVM_predict进行结果预测