我有一个包含从各个角度拍摄的汽车图片的文件夹。我想使用词袋模型来训练系统识别这辆汽车。训练完成后，如果给出一张该车的图片，系统应该能够识别它。

为了实现这一点，我一直在学习OpenCV中的BOW函数，现在我已经到了不知道该怎么做的阶段，任何指导都会被非常感激。

以下是我用来创建词袋的代码：

Ptr<FeatureDetector> features = FeatureDetector::create("SIFT");    Ptr<DescriptorExtractor> descriptors = DescriptorExtractor::create("SIFT");    Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("FlannBased");    //定义bowkmeans训练器的术语    TermCriteria tc(MAX_ITER + EPS, 10, 0.001);    int dictionarySize = 1000;    int retries = 1;    int flags = KMEANS_PP_CENTERS;    BOWKMeansTrainer bowTrainer(dictionarySize, tc, retries, flags);    BOWImgDescriptorExtractor bowDE(descriptors, matcher);    //现在是训练数据    Mat features;    Mat img = imread("c:\\1.jpg", 0);    Mat img2 = imread("c:\\2.jpg", 0);    vector<KeyPoint> keypoints, keypoints2;    features->detect(img, keypoints);    features->detect(img2,keypoints2);    descriptor->compute(img, keypoints, features);    Mat features2;    descripto->compute(img2, keypoints2, features2);    bowTrainer.add(features);    bowTrainer.add(features2);    Mat dictionary = bowTrainer.cluster();    bowDE.setVocabulary(dictionary);

这都是基于BOW文档的。

我认为此时我的系统已经训练好了。下一步是预测。

这是我不知道该怎么做的部分。如果我使用SVM或NormalBayesClassifier，它们都使用训练和预测这两个术语。

在这一点之后，我该如何预测和训练？任何指导都会被非常感激。我该如何将分类器的训练与我的`bowDE`函数连接起来？

回答：

您的下一步是提取实际的词袋描述符。您可以使用BOWImgDescriptorExtractor中的compute函数来实现这一点。比如说

 bowDE.compute(img, keypoints, bow_descriptor);

使用这个函数，您可以创建描述符，然后将它们收集到一个矩阵中，该矩阵作为分类器函数的输入。也许这个教程可以为您提供一些指导。

我想提到的另一件事是，对于分类，您通常需要至少两个类别。所以您还需要一些不包含汽车的图片来训练分类器。