问利用HOG描述子和支持向量机分类器识别图像中的人

EN

我使用一个HOG描述符，再加上一个SVM分类器，来识别图片中的人类。我正在为OpenCV使用。我在pymagesearch上使用了出色的教程，它解释了算法的作用，并提供了如何设置detectMultiScale方法参数的提示。

特别是，我知道

# initialize the HOG descriptor
hog = cv2.HOGDescriptor()

# Set the support vector machine to be pre-trained for people detection
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

# Detect people in the image
(rects, weights) = hog.detectMultiScale(image,
                                        winStride=(4, 4),
                                        padding=(8, 8),
                                        scale=1.05)

参数的选择是根据微调的准确性和性能，在本教程本身的解释。

我的问题是，根据文献(最初的纸日期是2005年)，这种方法似乎是目前识别图片中人类的最佳方法，在我的图像上表现得相当糟糕。我有包含衣服的图像，无论是模特还是没有衣服，我都在尝试用这种方法来识别那些与模特相关的衣服。在我手动扫描的300幅图像的子集上，该方法失败了30%，用于标记是否包含模型。

这些都是一些图像作为例子。

在这里它发现了一个失踪的人类：

在这里，它没有得到完整的人类：

在这里，它根本没有意识到这一点：

我知道探测器适用于直立的人类。他们也应该是完整的数字吗？我的照片包括半身像，没有头或没有脚的数字。

在此之前，我尝试了一种基于Haar特征的级联分类器来识别图像中的人脸，并且同一组图像的准确率已经达到90%，因此我试图在这方面进行改进。另外，我很想了解为什么这里的事情不起作用。