HOG+SVM行人检测训练报错：TypeError: samples非numpy数组或标量

嘿，我看了你遇到的问题——在运行SVM训练那行代码时一直报TypeError: samples is not a numpy array, neither a scalar，查了很多教程都没解决，确实挺闹心的。我帮你拆解下代码里的核心问题，以及具体的修复步骤：

问题1：你用错了训练数据 #

你明明已经计算了HOG特征hog_features，但训练时却传入了原始图片列表X_data！OpenCV的SVM训练需要的是一维特征向量（比如HOG提取的fd），而不是二维的图片像素数组。每个原始图片是二维结构（比如形状是(高,宽)），直接把这种二维数组丢给SVM，它根本无法处理，这才会抛出样本格式错误的提示。

问题2：标签格式完全不符合要求 #

你现在用的是字符串标签'Pedestrian'，还把它转成了二维数组np.array([labels1])——但OpenCV的SVM只接受整数类型的一维标签数组：

• 字符串标签不被支持，必须换成整数（比如用1代表行人，后续加负样本时用0）；
• 标签数组不能是二维的（你现在的labels12形状是(1, N)），必须是一维结构（形状为(N,)）。

具体修复步骤 #

1. 修正标签与图片预处理

把训练数据的处理代码改成这样：

files = glob.glob ("new_pos_1/crop*.PNG")
for myFile in files:
    image = cv2.imread(myFile,)
    image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    # 关键：统一所有图片尺寸！否则HOG特征长度会不一致
    image = cv2.resize(image, (128, 64))  # 换成你需要的固定尺寸
    X_data.append(image)
    # 用整数1标记行人（后续加负样本时用0标记非行人）
    labels1.append(1)

# 转成一维int32类型的numpy数组（OpenCV要求的标签类型）
labels12 = np.array(labels1, dtype=np.int32)
print('labels12 shape:', labels12.shape)  # 正常应该是(N,)，N是样本数量

2. 用HOG特征训练SVM

把训练行代码改成使用HOG特征的numpy数组：

# 把HOG特征列表转成float32类型的numpy数组（OpenCV要求的特征类型）
hog_features_np = np.array(hog_features, dtype=np.float32)
print('HOG features shape:', hog_features_np.shape)  # 正常应该是(N, D)，D是特征维度

# 现在训练就不会报错了
svm.train(hog_features_np, cv2.ml.ROW_SAMPLE, labels12)

额外提醒 #

• 一定要添加负样本：你现在的训练数据全是行人，SVM根本学不到区分能力，训练出来的模型毫无意义。记得加入非行人的图片（比如背景、车辆等），并给它们标上0标签。
• 严格统一图片尺寸：所有训练图片必须resize到相同大小，否则提取的HOG特征长度不一致，会导致数组形状不匹配，训练时还是会报错。

内容的提问来源于stack exchange，提问作者Zyzzx