Как настроить CvSVM для классификации изображений в OpenCV и переполнении стека

Я занимаюсь разработкой системы распознавания рукописных символов с использованием OpenCV LibSVM. я выделил 14 объектов для вектора признаков, включая моменты Ху, аффинно-инвариантные моменты, количество углов и т. д. Для каждого символа я использую 5 образцов (для буквы «А» существует 5 типов «А»). Я знаю, что 5 образцов недостаточно, но на данный момент у меня есть только 5 образцов для каждого персонажа.

Я использую базовый пример LINEAR SVM в документации opencv. Моя проблема в том, могу ли я использовать этот пример документации как есть, для моих целей. Я читал о системах OCR, которые используют мультиклассовые SVM. Нужен ли мне такой Multi-Class SVM для моего приложения? Я не понимаю об этом. Пожалуйста, кто-нибудь может объяснить? Вот мой код

у меня есть 180 образцов цифр и английских заглавных букв, и для одного образца есть 14 функций.

float labels[180][1] = {1.0, 2.0, 3.0, 4.0, 5.0, ,,,,, -> 180.0};
Mat matlabesls(180,1, CV_32FC1, labels);

Mat mattrainingDataMat(180, 14, CV_32FC1, ifarr_readtrainingdata);
CvSVMParams params;

params.svm_type    = CvSVM::C_SVC;
params.kernel_type = CvSVM::LINEAR;
params.term_crit   = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);

CvSVM SVM;
SVM.train(mattrainingDataMat,matlabesls,Mat(),Mat(),params);

Mat matinput(1,14,CV_32FC1,ifarr_testarray);
is_recognizedcharacter= SVM.predict(matinput);

return is_recognizedcharacter;