我在OpenCV中使用SVM和HOG来实现人员检测。使用我自己的数据集：3000个阳性样本和6000个阴性样本。我的问题是SVM每次检测人时都需要学习吗？如果是这样的话，学习时间和预测时间可能会非常耗时。有什么方法可以实现实时人员检测吗？提前谢谢。
谢谢你的回答。我已经得到了训练后的xml结果(3000个正和6000个负(，所以我可以用这个结果来写另一个独立的程序，只需要使用svm.load((和svm.predict((？太好了。此外，我发现1000个检测窗口大小的图像(128x64(的预测时间也相当耗时(约10秒(，那么它如何处理使用1或2个像素实时扫描步长的正常监控摄像头捕获(320x240或更高(？
我根据原始论文实现了HOG，每个单元8x8个像素，每个块2x2个单元(50%重叠(，因此一个检测窗口的3780维矢量(128x64(。时间问题是由巨大的特征向量引起的吗？我应该缩小每个窗口的尺寸吗？
这是一个针对一般主题的非常具体的问题。
简言之：不，你不需要每次都想使用SVM来学习。这是一个两步走的过程。第一步，学习(在你的情况下，通过向你的学习算法提供许多标记的(包含、不包含(包含人或不包含人的图片(，产生一个模型，用于第二步：测试(在你情况下，检测人(。
不，您不必每次都重新训练svm。
训练一次，然后svm将训练好的模型保存到xml/yml文件中。
稍后您只需要svm.load((，而不是(重新(训练，并进行预测