2006 年に Navneet Dalal、Bill Triggs、および Cordelia Schmid によって提案された方法を使用してオブジェクトを検出します (流れと外観の方向付けられたヒストグラムを使用した人間の検出)。
その場合、最初に HOG アルゴリズムを使用してアピアランス記述子を計算し、オプティカル フローを使用してモーション記述子を計算します。次に、私が理解しているように、これら 2 つの記述子を組み合わせて最終的な記述子を取得しました。しかし、それらがどのように組み合わされたかはわかりませんでした。
だから私の質問は、外観とモーション記述子を組み合わせて最終的な記述子を取得する方法です。(トレーニングにはよりスリムな SVM を使用し、実装には opencv を使用します)
それは論文の12ページに記載されています：
上記の結合された特徴検出器はモノリシックです。動きと外観の特徴を単一の大きな特徴ベクトルに連結し、それに対して結合された分類子をトレーニングします。
したがって、2 つの記述子を連結して 1 つの特徴ベクトルを作成するだけです。他の言及された可能性は、専門家の混合です：
私たちの実験では、これらの効果は個別のトレーニングによる損失を軽減し、線形混合エキスパート分類器は実際には最高のモノリシック検出器よりもわずかに優れています。今のところ違いはごくわずか (1% 未満) ですが、Mixture of Experts アーキテクチャの方が柔軟性が高く、最終的には望ましいものになる可能性があります。コンポーネント分類器は、たとえば拒否カスケード [1、22、21] を使用してランタイムを改善するなど、より洗練された方法で組み合わせることもできます。
この方法については、たとえばここで読むことができます。