方向梯度直方图(HOG,Histogram of Gradient)学习笔记二 HOG正篇

转载 2015年07月10日 11:48:40

original url: http://blog.sina.com.cn/s/blog_60e6e3d50101bkpn.html

1.介绍
HOG(Histogram of Oriented Gradient)2005CVPR会议上,法国国家计算机科学及自动控制研究所的Dalal等人提出的一种解决人体目标检测的图像描述子,该方法使用梯度方向直方图(Histogram of Oriented Gradients,简称HOG)特征来表达人体,提取人体的外形信息和运动信息,形成丰富的特征集。

2.生成过程
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
1)图像归一化
归一化图像的主要目的是提高检测器对光照的鲁棒性,因为实际的人体目标可能出现的各种不同的场合,检测器,必须对光照不太敏感才会有好的效果。

2)利用一阶微分计算图像梯度
图像平滑 
对于灰度图像,一般为了去除噪点,所以会先利用离散高斯平滑模板进行平滑:高斯函数在不同平滑的尺度下进行对灰度图像进行平滑操作,Dalal等实验表明在下,人体检测效果最佳(即不做高斯平滑),使得错误率缩小了约一倍。不做平滑操作,可能原因:图像时基于边缘的,平滑会降低边缘信息的对比度,从而减少图像中的信号信息。
梯度法求图像梯度
一阶微分处理一般对灰度阶梯有较强的响应  
一阶微分: 
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇


对于函数f(x,y),在其坐标(x,y)上的梯度是通过如下二维列向量定义的: 
这个向量的模值由下式给出:
 方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇

方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇

因为模值的计算开销比较大,一般可以按如下公式近似求解:
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
Dalal等人利用许多一阶微分模板进行求梯度近似值,但在实验中表明模板[-1,0,1]效果最好。
采用模板[-1,0,1]为例计算图像梯度以及方向,通过梯度模板计算水平和垂直方向的梯度分别如下:
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
其中,分别表示该像素点的水平,垂直梯度值。计算该像素点的梯度值(梯度强度)以及梯度方向
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇 对于梯度方向的范围限定,一般采用无符号的范围,故梯度方向可表示为:
 
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇

3)基于梯度幅值的方向权重投影
HOG结构
通常使用的HOG结构大致有三种:矩形HOG(简称为R-HOG),圆形HOG和中心环绕HOG。它们的单位都是Block(即块)。Dalal的试验证明矩形HOG和圆形HOG的检测效果基本一致,而环绕形HOG效果相对差一些。
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
矩形HOG块的划分:
一般一个块(Block)都由若干单元(Cell)组成,一个单元都有如干个像素点组成。
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
在每个Cell中有独立做梯度方向统计,从而以梯度方向为横轴的的直方图,前面我们已经提到过,梯度方向可取0度到180度或0度~360度,但dalal实验表明,对于人体目标检测0度~180度这种忽略度数正负级的方向范围能够取得更好的结果。然后又将这个梯度分布平均分成个方向角度(orientation bins),每个方向角度范围都会对应一个直方柱。
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
根据Dalal等人实验,在人体目标检测中,在无符号方向角度范围并将其平均分成9份(bins)能取得最好的效果,当bin的数目继续增大效果改变不明显,故一般在人体目标检测中使用bin数目为9范围0~180度的度量方式。
Block中各个参数的最终选取:
对于人体对象检测,块的大小为3×3个单元格,单元格的大小为6×6个象素时,检测效果是最好的,错误率约为10%左右。块的大小为2×2个单元格,单元格大小为8×8个象素时,也相差无几。6-8个象素宽的单元格,2-3个单元格宽的块,其错误率都在最低的一个平面上。块的尺寸太大时标准化的作用被削弱了从而导致错误率上升,而如果块的尺寸太小时,有用的信息反而会被过滤掉。
在实际应用中,在Block和Cell划分之后,对于得到各个像区域中,有时候还会为了进行一次高斯平滑,但是对于人体目标检测等问题,该步骤往往可以忽略,实际应用效果不大,估计在主要还是去除区域中噪点,因为梯度对于噪点相当敏感。
对梯度方向的投影权重方式的选取: 
对于梯度方向的加权投影,一般都采用一个权重投影函数,它可以是像素点的梯度幅值,梯度幅值的平方根或梯度幅值的平方,甚至可以使梯度幅值的省略形式,它们都能够一定程度上反应出像素上一定的边缘信息。根据Dalal等人论文的测试结果,采用梯度幅值量级本身得到的检测效果最佳,使用量级的平方根会轻微降低检测结果,而使用二值的边缘权值表示会严重降低效果(约为5%个单位10-4FPPW(False Positives Per Window))。
4)HOG特征向量归一化
对block块内的HOG特征向量进行归一化。对block块内特征向量的归一化主要是为了使特征向量空间对光照,阴影和边缘变化具有鲁棒性。还有归一化是针对每一个block进行的,一般采用的归一化函数有以下四种:
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇 在人体检测系统中进行HOG计算时一般使用L2-norm,Dalal的文章也验证了对于人体检测系统使用L2-norm的时候效果最好。
5)得出HOG最终的特征向量
方向梯度直方图(HOG,Histogram <wbr>of <wbr>Gradient)学习笔记二 <wbr>HOG正篇
3.HOG的应用:
主要用在object detection 领域,特别是行人检测,智能交通系统,当然也有文章提到把HOG用在手势识别,人脸识别等方面。

4.HOG与SIFT区别
HOG和SIFT都属于描述子,以及由于在具体操作上有很多相似的步骤,所以致使很多人误认为HOG是SIFT的一种,其实两者在使用目的和具体处理细节上是有很大的区别的。HOG与SIFT的主要区别如下:
① SIFT是基于关键点特征向量的描述。
② HOG是将图像均匀的分成相邻的小块,然后在所有的小块内统计梯度直方图。
③ SIFT需要对图像尺度空间下对像素求极值点,而HOG中不需要。
④ SIFT一般有两大步骤,第一个步骤是对图像提取特征点,而HOG不会对图像提取特征点。

5.HOG的优点:
HOG表示的是边缘(梯度)的结构特征,因此可以描述局部的形状信息;
位置和方向空间的量化一定程度上可以抑制平移和旋转带来的影响;
采取在局部区域归一化直方图,可以部分抵消光照变化带来的影响。
由于一定程度忽略了光照颜色对图像造成的影响,使得图像所需要的表征数据的维度降低了。
而且由于它这种分块分单元的处理方法,也使得图像局部像素点之间的关系可以很好得到的表征。

6.HOG的缺点:
描述子生成过程冗长,导致速度慢,实时性差;
很难处理遮挡问题。
由于梯度的性质,该描述子对噪点相当敏感

图像梯度方向直方图学习(1)

HOG(Histogram of Oriented Gradient)是2005年CVPR会议上,法国国家计算机科学及自动控制研究所的Dalal等人提出的一种解决人体目标检测的图像描述子,该方法使用梯...

方向梯度直方图(HOG,Histogram of Gradient)学习笔记二 HOG正篇

1.介绍 HOG(Histogram of Oriented Gradient)是2005年CVPR会议上,法国国家计算机科学及自动控制研究所的Dalal等人提出的一种解决人体目标检测的图像描述子,...

方向梯度直方图(HOG,Histogram of Gradient)学习笔记

1.介绍 HOG(Histogram of Oriented Gradient)是2005年CVPR会议上,法国国家计算机科学及自动控制研究所的Dalal等人提出的一种解决人体目标检测的图像描述子,...

opencv 读取图像区域 并 计算HOG

OpenCV学习-利用ROI裁剪图片 为了提取到一幅图像中感兴趣的区域并裁剪出来作为一幅新图像的方法: 1、利用void cvSetImageROI( IplImage* im...

opencv图像直方图的计算及绘制

参考: http://www.myexception.cn/image/1849004.html http://blog.csdn.net/liyuanbhu/article/details/507...

HOG 梯度方向直方图

一、基本HOG算法   HOG特征最早出现在SIFT算法中,由于其极强的图像特征描述能力,逐渐被人们熟知和广泛运用,其在目标检测方面表现尤为突出。                         ...

HOG(方向梯度直方图)

结合这周看的论文,我对这周研究的Histogram of oriented gradients(HOG)谈谈自己的理解: HOG descriptors 是应用在计算机视觉和图像处理领域,用于目标检...

HOG 特征的提取--基于scikit-image

简介HOG 特征, histogram of oriented gradient, 梯度方向直方图特征, 作为提取基于梯度的特征, HOG 采用了统计的方式(直方图)进行提取. 其基本思路是将图像局部...

【计算机视觉】Histogram of Oriented Gridients(HOG) 方向梯度直方图

Histogram of Oriented Gridients(HOG) 方向梯度直方图 Histogram of Oriented Gridients,缩写为HOG,是目前计算...

梯度方向直方图HOG(Histogram of Gradient)特征总结

整理一下我个人觉得比较好的HOG博文 博文1:OpenCV HOGDescriptor: 参数与图解 http://blog.csdn.net/raodotcong/article/d...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:方向梯度直方图(HOG,Histogram of Gradient)学习笔记二 HOG正篇
举报原因:
原因补充:

(最多只允许输入30个字)