实验四利用其他分类方法进行人、车分类与特征评估
智能1201 王自琰201208070121
一、实验目的
1、熟悉并掌握近邻法、决策树与随机森林、罗杰斯特回归以及
Adaboost等其他分类方法，选取其中一种方法用于人、车背景分类实验。

2、熟悉一些常用的特征，如颜色特征、梯度特征、LBP特征、边
缘特征、Haar-like特征以及SIFT特征等，从中选取一种以上的特征（不同于实验三使用的特征）进行人、车分类实验。

3、针对实验三与本实验中选择的分类器与特征，进行交叉人、车
分类实验，统计分别使用不同的分类器与不同的特征的实验结果，并根据实验结果分析与评估不同分类器与特征在此次人、车分类实验中的性能差异，给出自己的解释与总结。

二、实验环境
硬件：计算机
软件：WIN7操作系统或更高
应用软件：Matlab，C++或JAVA
三、实验内容及步骤
1、样本数据采集(人、车与背景各100个样本)。

2、根据所需要提取的特征对样本进行预处理。

3、分别对于行人与车辆分类器选择合适的特征并进行特征提取，并根据样本标签及提取的特征对分类器进行训练。

4、利用训练好的行人分类器对人与背景图片(测试样本验收时提供)进行分类识别，利用车辆分类器对车与背景图片进行分类识别。

5、得出识别率，分析实验结果。

6、分别使用实验三与实验四用到的两种分类器与两种特征两两组合进行人、车分类实验，对比四组实验结果进行分析。

7、选择一种特征评价准则(基于类内类间距离的可分性判据、基于概率分布的可分性判据等)对所使用的特征进行评估。

1、选取特征：HOG（颜色梯度直方图）分类器（KNN最近邻方法）
人与背景分离结果：
车与背景分离结果：其中选取3 个最近邻邻居
2、选取特征：LBP（轮廓特征）分类器（KNN最近邻方法，选择5 个最近邻邻居）
人与背景分离结果：
车与背景分离结果：
3、选取特征：HOG（颜色梯度直方图）分类器（SVM支持向量机）
人与背景分离结果：
车与背景分离结果：
4、选取特征：LBP（轮廓特征）分类器：SVM（支持向量机）人与背景分离结果：
车与背景分离结果：
四、思考题
1、通过实验结果分析所选分类器在人、车背景分类中的性能。

2、根据交叉对比实验结果分析不同的特征与分类器在本次实验中的性能。

3、实验结果中特征表现的性能与你特征评价的结果符合吗，为什么？
五、实验结果提交
（1）以小组为单位提交：整个实验过程中的实验代码与课后的实验报告打包按每组以“班级+姓名+学号”命名发到邮箱“42103901@”。

（2）以个人为单位提交：每位同学都要提交自己的实验总结分析报告，内容包括人、车分类的多种分类器与多种特征交叉实验，实验结果统计分别，分类器与特征性能差异的分析与评估，自己的解释与总结，格式字数不限。

注意：该报告单独评分。