HOG特征—简介
来源:互联网 发布:雅思阅读怎样提高知乎 编辑:程序博客网 时间:2024/05/18 03:53
1、HOG特征:
(1)主要思想:
(2)具体的实现方法是:
(3)提高性能:
(4)优点:
2、HOG特征提取算法的实现过程:
大概过程:
HOG特征提取方法就是将一个image(你要检测的目标或者扫描窗口):
1)灰度化(将图像看做一个x,y,z(灰度)的三维图像);
2)采用Gamma校正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的对比度,降低图像局部的阴影和光照变化所造成的影响,同时可以抑制噪音的干扰;
3)计算图像每个像素的梯度(包括大小和方向);主要是为了捕获轮廓信息,同时进一步弱化光照的干扰。
4)将图像划分成小cells(例如6*6像素/cell);
5)统计每个cell的梯度直方图(不同梯度的个数),即可形成每个cell的descriptor;
6)将每几个cell组成一个block(例如3*3个cell/block),一个block内所有cell的特征descriptor串联起来便得到该block的HOG特征descriptor。
7)将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image(你要检测的目标)的HOG特征descriptor了。这个就是最终的可供分类使用的特征向量了。
具体每一步的详细过程如下:
(1)标准化gamma空间和颜色空间
(2)计算图像梯度
图像中像素点(x,y)的梯度为:
(3)为每个细胞单元构建梯度方向直方图
我们将图像分成若干个“单元格cell”,例如每个cell为6*6个像素。假设我们采用9个bin的直方图来统计这6*6个像素的梯度信息。也就是将cell的梯度方向360度分成9个方向块,如图所示:例如:如果这个像素的梯度方向是20-40度,直方图第2个bin的计数就加一,这样,对cell内每个像素用梯度方向在直方图中进行加权投影(映射到固定的角度范围),就可以得到这个cell的梯度方向直方图了,就是该cell对应的9维特征向量(因为有9个bin)。
(4)把细胞单元组合成大的块(block),块内归一化梯度直方图
(5)收集HOG特征
(6)那么一个图像的HOG特征维数是多少呢?
HOG维数,16×16像素组成的block,8x8像素的cell
注释:
行人检测HOG+SVM
总体思路:
1、提取正负样本hog特征
2、投入svm分类器训练,得到model
3、由model生成检测子
4、利用检测子检测负样本,得到hardexample
5、提取hardexample的hog特征并结合第一步中的特征一起投入训练,得到最终检测子。
改进:HOG特征 ,要是能有些max-pooling等非线性单元,或者HOG特征再结合深度学习的DBN等,不知效果会好些不。
- HOG特征—简介
- HOG特征简介
- Opencv HOG特征函数简介
- HOG参数简介及Hog特征维数的计算
- HOG参数简介及Hog特征维数的计算
- HOG参数简介及Hog特征维数的计算
- HOG参数简介及Hog特征维数的计算
- OpenCV——HoG特征
- OpenCV——HoG特征
- 图像特征——Hog 特征
- 图像特征— —HOG特征
- 图像特征提取2—HOG特征
- HOG特征
- HOG特征
- HOG特征
- HOG特征
- hog 特征
- HOG特征
- Mybatis学习(五)mybatis环境下以接口的方式进行的增删查改
- 关于const char *s和char * const s
- 认识自己——趋利避害生活的能力
- A Type-Safe Event System for Unity3D
- P268 1
- HOG特征—简介
- Laravel查看当前已有的路由信息
- Android的selector,背景选择器 以及.9.png
- 各种在线手册
- P269 2
- python解析pcap文件中的http数据包
- 黑马程序员——while、do...while、for循环
- csdn博客开通了 -_- |
- java实现简易计算器