Traditional computer vision approach

Image Recognition and Object Detection:

Traditional computer vision approach

首先，从传统的计算机视觉方法开始了解。图像识别的一般步骤。
输入图像，预处理，特征提取，分类算法，结果分配。

Step1 : Preprocessing

对于输入的图像，一般对图像的亮度和对比度进行归一化。在reference book中，提到几种常见的预处理方法。
1.减去图像强度的平均值并除以标准偏差。
2.伽马校正会产生稍好的结果。
3.处理彩色图像时，颜色空间转换（例如RGB到LAB色彩空间）
Preprocessing并没有银弹。可以尝试不同的方法和组合，然后实验来检验。在Digital Image Processing(Third Edition)中的第二，第三章列出了更多的常用方法和预处理理论。

Step2 : Feature Extraction

一般步骤，使用 feature detector简化图像的无用信息。然后，使用feature descriptor提取出图像特征。然后返回一个vector。这里需要区分下feature descriptor 和feature detector。可以参考What is a feature descriptor in image processing?在此步骤，主要关注的是feature descriptor.主要的几种是：HOG ,SIFT ,SURF。这几种feature descriptor需要读一读原论文进行更多的了解。

Step3 : Learning Algorithm For Classification

在step2中得到vector,把SVM，Random Forest这些常用的分类算法进行classification。注意classification出现的问题，使用统计知识调整。

reference :

1. http://www.learnopencv.com/image-recognition-and-object-detection-part1/
2. http://www.pyimagesearch.com/2014/11/10/histogram-oriented-gradients-object-detection/
3. https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients