计算机视觉
文章平均质量分 82
CFZero
这个作者很懒,什么都没留下…
展开
-
opencv中的 HOGDescriptor 类
其定义在 object.hpp中找到的: [cpp] view plaincopy struct CV_EXPORTS_W HOGDescriptor { public: enum { L2Hys=0 }; enum { DEFAULT_NLEVELS=64 }; CV_转载 2014-05-07 09:38:06 · 623 阅读 · 0 评论 -
利用Hog特征和SVM分类器进行行人检测
之前介绍过Hog特征(http://blog.csdn.net/carson2005/article/details/7782726),也介绍过SVM分类器(http://blog.csdn.net/carson2005/article/details/6453502 );而本文的目的在于介绍利用Hog特征和SVM分类器来进行行人检测。 在2005年CVPR上,来自法国的研究转载 2014-05-06 16:15:56 · 863 阅读 · 0 评论 -
cvSVM及trainSVM参数
CvSVM 支持矢量机 class CvSVM : public CvStatModel //继承自基类CvStatModel { public: // SVM type enum { C_SVC=100, NU_SVC=101, ONE_CLASS=102, EPS_SVR=103, NU_SVR=104 };//SVC是SVM分类器,S转载 2014-05-07 10:08:23 · 643 阅读 · 0 评论 -
学习OpenCV——HOG+SVM
[cpp] view plaincopyprint? #include "cv.h" #include "highgui.h" #include "stdafx.h" #include #include #include #include #include using namespace cv; usin转载 2014-05-07 10:43:21 · 685 阅读 · 0 评论 -
自己训练SVM分类器进行HOG行人检测
正样本来源是INRIA数据集中的96*160大小的人体图片,使用时上下左右都去掉16个像素,截取中间的64*128大小的人体。 负样本是从不包含人体的图片中随机裁取的,大小同样是64*128(从完全不包含人体的图片中随机剪裁出64*128大小的用于人体检测的负样本)。 SVM使用的是OpenCV自带的CvSVM类。 首先计算正负样本图像的HOG描述子,组成一个特征向量矩阵,对应的转载 2014-05-07 10:48:54 · 1846 阅读 · 0 评论 -
HOG:用于人体检测的梯度方向直方图 Histograms of Oriented Gradients for Human Detection
用于人体检测的方向梯度直方图 Navneet Dalal,Bill Triggs 摘要 我们研究了视觉目标检测的特征集问题,并用线性SVM方法进行人体检测来测试,通过与当前的基于边缘和梯度的描述子进行实验对比,得出方向梯度直方图(Histograms of Oriented Gradient,HOG)描述子在行人检测方面表现更加突出。我们研究了计算过转载 2014-05-07 10:51:12 · 1205 阅读 · 0 评论 -
用初次训练的SVM+HOG分类器在负样本原图上检测HardExample
难例(或叫做难样本,Hard Example,Hard Negative,Hard Instance)是指利用第一次训练的分类器在负样本原图(肯定没有人体)上进行行人检测时所有检测到的矩形框,这些矩形框区域很明显都是误报,把这些误报的矩形框保存为图片,加入到初始的负样本集合中,重新进行SVM的训练,可显著减少误报。这种方法叫做自举法(Bootstrap),自举法首先使用初始负样本集来训练一个模型,转载 2014-05-07 11:16:03 · 841 阅读 · 0 评论 -
HOG源码解读
、网上一些参考资料 在博客目标检测学习_1(用opencv自带hog实现行人检测) 中已经使用了opencv自带的函数detectMultiScale()实现了对行人的检测,当然了,该算法采用的是hog算法,那么hog算法是怎样实现的呢?这一节就来简单分析一下opencv中自带 hog源码。 网上也有不少网友对opencv中的hog源码进行了分析,很不错转载 2014-05-19 16:07:44 · 953 阅读 · 0 评论 -
行人检测相关资源
一、论文 综述类的文章 [1]P.Dollar, C. Wojek,B. Schiele, et al. Pedestrian detection: an evaluation of the state of the art [J].IEEE Transactions on PatternAnalysis andMachine Intelligence, 2012, 34(4): 74转载 2014-06-15 16:09:04 · 855 阅读 · 0 评论