使用主成分分析（PCA）进行特征缩减（HOG-PCA）

Question

使用有序梯度直方图（HoG）我计算了 15 个样本图像的特征。这些样本生成的特征向量非常大（即占用大量内存）。

为了减少这些特征向量，我使用主成分分析（PCA）。这是我正在使用的 OpenCV 代码：

PCA pca(imageT, Mat(), CV_PCA_DATA_AS_ROW, 300);
pca.project(imageT, imageT1);

在imageT矩阵中，行数=行数。样本数 不。列数 = 否。特征数 假设有 15 张图像
imageT 的行数为 15，并且没有。列数为 57400

应用PCA后我想要300个特征；它给了我不到 15 个功能。我需要帮助。

另请参阅

• OpenCV 文档：PCA
• 维基百科有序梯度直方图
• 维基百科：主成分分析
• 行人检测定向梯度直方图特征的选择
• 用于姿势检测的HOG特征的内核PCA

Answer 1

您需要使用更多图像进行训练。 PCA 捕获彼此正交的方差。更多数据使其能够找到更多基向量。