專案：客流量統計系統

樣本採集：

目標：人頭

攝像頭架設位置：垂直

樣本取樣：包括頭部邊緣的人頭作為檢測目標

樣本採集需要注意的問題：

• 樣本的大小：需要按照一定的比例（1:1）採集，可以使用ps設定扣取目標並縮放到統一尺度下
• 樣本的基準參考點：儘量保持人頭的頭頂居於圖片的中心位置，以防止圖片過於偏於某個方向而引入較多的噪聲

目標：頭和肩膀

攝像機架設位置：垂直

樣本取樣部位：包括完整的人頭和部分肩膀資訊

樣本採集需要注意的問題：

• 樣本的大下：按照一定的比例（1:1）採集，（頭和肩膀的取樣形狀會隨著人體的不同姿勢而發生改變，如果用矩形框，人在水平站立和傾斜45度時取樣的矩形框比例不同，為了統一標準，選取正方形）
• 樣本的基準參考點：儘量將人頭擺放著中間位置，並按照人頭的大小將取樣區域擴大為人頭的1.5-2倍作為樣本。（原因：如果選取包含人體的全部肩部和頭部資訊，會隨著人體的旋轉，取樣的大下發生變化，可能不利於特徵的分類）

樣本訓練：

分類器：svm

樣本比例：如果使用opencv自帶的svm進行特徵訓練，對於二分類問題，正負樣本比例接近1:1，若正負樣本個數差異較大，聽朋友說可以通過加權svm來控制分類器

樣本數量：在客流統計系統中，正負樣本分別大於4000張

樣本更新：在使用svm訓練出分類器後，需要用測試樣本對分類器進行測試，分別將誤檢和虛檢的目標新增到正負樣本中，更新樣本（主要是更新負樣本，正樣本主要依靠人工扣取更新），直至正負樣本分別收斂為止。

svm係數調整：對於線性分類器，引數C值對svm的分類結果有較大影響，可以通過調節c值獲取較好的分類器，同樣訓練的迭代次數同樣對此有影響，常見的部落格中用到的是100次迭代。但是在使用過程中，用到了1E5--1E7有較好的效果，說明迭代次數較大時，分類器效能較好。