基于SURF自适应增强的手姿态识别

Question

我正在尝试实现本文的一个算法：

http://www.bmva.org/bmvc/2012/WS/paper5.pdf

这是“所有目标姿势的训练过程”算法，在第6页。

基本技术是使用adaboost和冲浪(特征提取器)来识别手的姿势。就像我以前写的，我正在尝试实现，但我仍然不理解这个算法。问题是我有个问题，比如：

1. 第5页最后一段提到的匹配分数表是什么？
2. 阈值和训练过程(训练算法)之间的关系是什么？
3. 在训练算法的第7行:哪一个是函数ht(Ix，ft，tet)的返回？

我想知道是否有人执行了这个算法，或者是否有人能在这个问题上帮助我。

非常感谢你的回答(帮助)，因为我已经在这个算法上投入了一些时间，我仍然不理解这个算法来实现。

Answer 1

翻阅这篇论文，这是我的推论。请注意，我没有详细地看过这篇论文，所以我可能错了，但是在实现了AdaBoost之后，我可以澄清您的疑虑：

1. 在测试部分，您为数据库中的每个姿势分配一个匹配的“分数”。您希望尽可能准确地确定测试图像的姿态。“分数”表示测试姿势与数据库中的姿态有多近。最后得分最高的姿势是你匹配/测试的结果。

2和3.在选择弱分类器时，有一个阈值，所以当弱分类器的权重小于阈值时，选择弱分类器的迭代就会停止。阈值应该是最优的，因为“选择的”弱分类器应该是唯一的，能够有效地分类其对应的向量。同时，您不应该对阈值太严格，否则迭代所需的时间将非常长。因此，阈值应该是最优的，并给出了计算方法。这回答了你的第二个问题。你所说的函数是弱分类器。