我试图使用HOG描述符训练一个线性SVM分类器。我有一组数据集，可在http://pascal.inrialpes.fr/data/human/获取。目标是训练分类器来检测人类。为此，我首先尝试用一个正样本图像和一个负样本图像训练分类器，并将它们标记为1和2，如下代码所示：

import numpy as npimport cv2from sklearn.svm import LinearSVCx=np.zeros((3780,2))x=np.array(x)#positive imagepimg=cv2.imread('G:/Project/Database/db/pos/crop_000010.png',0)pimg=cv2.resize(pimg,(68,128))phog = cv2.HOGDescriptor()pdescriptor = phog.compute(pimg)#negative imagenimg=cv2.imread('G:/Project/Database/db/neg/1.jpg',0)nhog = cv2.HOGDescriptor()ndescriptor = nhog.compute(nimg)label=[1,2] x=[pdescriptor,ndescriptor]clf = LinearSVC()clf.fit(x,label)

错误如下：

Traceback (most recent call last):File "<ipython-input-6-215ad33848c8>", line 1, in <module>runfile('G:/Project/Python programs/tr/training.py', wdir='G:/Project/Python programs/tr')File "C:\ProgramData\Anaconda3\lib\site- packages\spyder\utils\site\sitecustomize.py", line 705, in runfileexecfile(filename, namespace)File "C:\ProgramData\Anaconda3\lib\site- packages\spyder\utils\site\sitecustomize.py", line 102, in execfileexec(compile(f.read(), filename, 'exec'), namespace)File "G:/Project/Python programs/tr/training.py", line 31, in <module>clf.fit(x,label)File "C:\ProgramData\Anaconda3\lib\site-packages\sklearn\svm\classes.py", line 227, in fitdtype=np.float64, order="C")File "C:\ProgramData\Anaconda3\lib\site- packages\sklearn\utils\validation.py", line 573, in check_X_yensure_min_features, warn_on_dtype, estimator)File "C:\ProgramData\Anaconda3\lib\site- packages\sklearn\utils\validation.py", line 451, in check_array% (array.ndim, estimator_name))ValueError: 发现维度为3的数组。估计器期望 <= 2。

回答：

对于线性SVC，您的X应该是一个形状为(样本数, 特征数)的二维数组，而您的Y应该是一个形状为(样本数,)的一维数组。

您正在使用图像训练SVC，这些图像是二维的。样本 * 二维图像将导致一个三维向量，而SVC无法接受这种输入。因此，您必须先将图像展平为一维向量，然后再输入到SVC中。