目标图像特征提取算子(HOG)

本文介绍了HOG(Histograms of Oriented Gradients)算法,主要用于目标检测和分类,特别是行人检测。算法主要包括Gamma校正、梯度计算、方向 binning 和归一化等步骤。实验表明,将180°分为9个bins效果最佳,每个cell包含6×6~8×8像素,block大小为2×2~3×3,并且block之间有重叠。HOG+SVM组合在目标检测中表现出色。
摘要由CSDN通过智能技术生成

1、简介


       HOG(Histograms of Oriented Gradients,方向梯度直方图)最初是在2005年的CVPR会议上由法国研究员Dala提出来的,主要用来进行行人检测。目前HOG+SVM已经被广泛应用到目标检测和分类等领域。博主主要用HOG+SVM方法进行手势分类,原文请参考:“Histograms of Oriented Gradients for Human Detection“。


2、算法实现


       核心思想:

       ①将图像检测窗口分成许多空间区域单元(cells),在每一个cell中计算一维梯度方向或者边缘方向直方图;

       ②若干个cells组成一个block,一个block中的梯度方向直方图是由这若干个cells的梯度方向直方图组成,为了 

           对光照、阴影等鲁棒,需要对block进行对比度归一化处理;

       ③实际上所有的block之间是有重叠的(重叠的区域为一个cell,后面会具体讲道),将检测窗口的所有blocks的

           梯度直方图连接起来就形成了整个检测窗口的梯度方向直方图(HOG)描述子。


       具体过程:

           


     (1)Gamma/Colour Normalization

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值