Question

基于adaboost算法的人脸检测。边缘特征提取的细节问题。

从一张20*20的图，提取的一类边缘特征就有21000个了，又肯定需要多张图，这样特征矩阵根本放不下这么多。应该用什么方法把每一张图的这么多特征进行缩减？

得到的特征矩阵应该就是弱分类器训练所需要的了吧？
我一直没有找到如何对这么多的特征进行提取的说明。或者我根本就已经完全理解错误？

Answer 1

如果你是用matlab实现程序：
1 特征可以进行采样 有均匀采样 downsample（I，16）表示对数组I进行16倍下采样 和非均匀采样PCA
2 你可以做一个cell来存贮特征 每一张图的特征存在一个cell的单元里
3 弱分类器是针对特征而言的
如果是用其他程序我就没有办法了
4 如果没记错adaboost的人脸检测算法 opencv里面已经有现成的了

追问

谢谢你的回答！
但是我还是不太明白。
我并不太了解采样，如果是一张一张地进行采样，应该没办法保证对每个图都采用了同一个特征吧？弱分类器要求的输入是每个图的同一个特征。
如果按你的方法，做一个cell来存贮特征，可是前提是特征矩阵太大已经，完全放不下，用cell是不是不能解决这个问题呀？
不好意思，我是初学者，所以不太会哈。

追答

1你应该是先对图进行特征提取，若提取的特征是I，例如I=[1,2,3,4,5,6,7,8,9,10]，若I1=downsample（I，3），那么I1=[1,5,9]就是这样隔几个取一个值，如果你的特征维数很高，这样采样应该不会太影响结果
2 一张图的特征能有多长？例如你有N张图片
for 1:N%逐张存储特征
get_feature;%提取特征,设提取的特征为I
feature{}；
feature=[feature,{I}];
就是这么存cell，我曾经做了一个特征 是65000维的向量 ，有1000来幅图 都没问题 你应该也没问题吧