专门做市场调查的网站,wordpress免费主题破解版,林州网站建设哪家便宜,工程施工人员招聘网站Hog特征实质是#xff1a;梯度的统计信息,即针对边缘作特征提取
意义#xff1a;目标的表象和形状
转载于zouxy09大神的文章#xff0c;加上自己些微的理解和应用#xff01; http://blog.csdn.net/zouxy09/article/details/7929348/
上述基本讲清楚了#xff0c;其实…Hog特征实质是梯度的统计信息,即针对边缘作特征提取
意义目标的表象和形状
转载于zouxy09大神的文章加上自己些微的理解和应用 http://blog.csdn.net/zouxy09/article/details/7929348/
上述基本讲清楚了其实重点在于如下 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。
其中用Opencv实现需要注意 HOGDescriptor *hog new HOGDescriptor(cvSize(64, 48), cvSize(32, 32), cvSize(8, 8), cvSize(16, 16), 9); cvSize(64, 48)滑动窗口大小不明白为什么设为图像的大小 cvSize(32, 32)block大小 cvSize(8, 8)block的移动步长 cvSize(16, 16)cell大小 9bins个数 前四个参数的单位都是像素。
一个重要的公式是 (window_size - block_size)/block_stride 1
上述公式说明一个样本图像的block数量的计算方法
而一个样本图像的特征数量的计算方法为
特征数量 bins * 每个block的cell数量 * block数量
