Python，OpenCV：如何将通过ORB提取的功能用于分类模型？

Question

我有一组成千上万张图片（我从40张图片开始进行测试），并且我想构建一个分类器，以区分图片中的对象。 例如，这是我的狗的照片，邻居的狗的照片还是我的兄弟狗的照片。 我知道如何比较两张图片及其关键点，但是我不确定要使用ML模型中提取的功能。

因此，我开始使用OpenCV，并使用ORB来检测150个关键点。 据我了解，描述符具有每个关键点的信息，这就是我将要使用的功能。 因此，现在我对每个图像都有150个特征，每个特征数组为32。（150,32）。 我想把它放到RandomForestClassifer中，但是当我收到错误时>>>>

ValueError：使用序列设置数组元素。

这是一些代码：

狗是数据帧

# Init ORB
orb = cv2.ORB_create(nfeatures=150)

# Extract descriptors and put them in df
with tqdm(total=len(list(dogs.iterrows()))) as pbar:
    for index, row in dogs.iterrows():
        pbar.update(1)
        im = dogs.at[index, 'filtered']
        kp1, des1 = orb.detectAndCompute(im,None)
        dogs.at[index, 'kp'] = kp1
        dogs.at[index, 'des'] = des1
os.system('spd-say "Processing complete"')

X = dogs['des']
y = dogs['Id']
features = pd.DataFrame.from_records(X)
features['Id'] = dogs['Id']

X = features.drop('Id',1)
y = features['Id']

查看第一个图像的第一个特征

X[1][1]

array（[0，201，130，153，84，131，172，71，22，1，90，2，168，202，32，64，121，42，34，144，82，186，65，215 ，52，38，154，64，149，10，176，136]，dtype = uint8）

clf = RandomForestClassifier(n_jobs=-1)
clf.fit(X,y)

我从未在ML模型中使用数组作为功能，所以这可能只是一个简单的错误。 如果我由于某种误解而犯错，请告诉我。

Answer 1

RandomForestClassifier以及大多数常规ML算法只能处理标量特征。 因此，为了使用您的数据，您需要对其进行展平，例如， import numpy as np np.flatten(features.values)