合並LBP和HOG功能描述符

Question

我正在研究年齡，性別評估項目。 到目前為止，我已經嘗試使用LBP（局部二進制模式）+ SVM（支持向量機）來訓練它的性別分類，但是在使用LBP + SVM時會得到太多的誤報，所以我嘗試使用HOG（梯度直方圖） ）+ SVM，令人驚訝的是，准確性提高了90％，因此，盡管我合並了描述符的功能並使用它來訓練SVM。 的代碼如下：

    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    fd = hog(gray, orientations, pixels_per_cell, cells_per_block, visualize, normalize) #HOG descriptor here.

    hist = desc.describe(gray) #get the LBP histogram here.

    # extract the label from the image path, then update the
    # label and data lists
    labels.append(imagePath.split("/")[-2])
    data.append(fd + hist) # tried concatinate both featurs, but gives error on this line.

# train a Linear SVM on the data
model = LinearSVC(C=100.0, random_state=42)
model.fit(data, labels)

但是當嘗試這一行時： data.append(fd + hist)只是試圖同時連接兩個特征描述符，並引發以下錯誤：

追溯（最近一次通話最近）：文件“ /home/swap/Ubuntu-Home/swap/openCV/gender_age_weight_recog/tarin.py”，

data.append（fd + hist）ValueError中的第41行：操作數不能與形狀（11340，）（26，）一起廣播

因此，有人可以指出我以便將兩個功能合並為一個功能，然后為此訓練SVM。

Answer 1

我想出了一個問題，一個人可以簡單地堆疊numpy數組，具有類似形狀的任何特征描述符，例如HOG和LBPH在灰度圖像上工作，因此在這種情況下，由LBP,HOG will always be one生成的特征的深度LBP,HOG will always be one ，因此我們可以使用numpy堆疊它們，

    desc_hist = desc.describe(gray_img)
    hog_hist = hog(gray_img, orientations, pixels_per_cell, cells_per_block, 'L1', visualize, normalize)      
    feat = np.hstack([desc_hist, hog_hist])

但假設有人想合並適用於3通道圖像（RGB）的hsv直方圖，則可以將其展平為一維數組，然后也可以堆疊為具有該特征的正則。

hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([hsv], [0, 1, 2], None, bins,
                    [0, 180, 0, 256, 0, 256])

hist = cv2.normalize(hist)

# return the flattened histogram as the feature vector
td_hist = hist.flatten()

現在，所有的東西都可以照常stacked ，

feat = np.hstack([desc_hist, hog_hist, td_hist])

Answer 2

問題是您試圖添加兩個大小不同的數組。 一個數組包含11340個元素，另一個數組包含26個元素。在存儲這些值並將其不加在一起時，應更改邏輯