CVPR2005【行人检测】HOG+SVM用于人体检测的梯度方向直方图

最新推荐文章于 2021-07-08 10:26:32 发布
最新推荐文章于 2021-07-08 10:26:32 发布
阅读量1.8k 收藏 13
点赞数 2
文章标签： CVPR SVM HOG 行人检测
在公众号【计算机视觉联盟】后台回复【9076】获取独家200页AI笔记！
本文链接：https://blog.csdn.net/Sophia_11/article/details/96430263
版权

目录

CVPR2005-用于人体检测的梯度方向直方图 Histograms of Oriented Gradients for Human Detection

使用的数据集

  • MIT行人数据库
  1. 共924张行人图片（ppm格式，宽高64*128），肩到脚的距离约80像素
  2. 只有正面和背面两个视角
  3. 无负样本，未区分训练集和测试集
  • INRIA数据集
  1. 目前使用较多的静态行人检测数据库
  2. 有原始图片和相应的标注
  3. 训练集有正样本614张（包含2416个行人）；负样本1218张
  4. 测试集有正样本288张（包含1126个行人）；负样本453张
  5. 途中人体大部分为站立姿势且高度大于100像素。部分标注不正确
  6. 图片主要来源GRAZ-01、个人照片及Google图片

研究方法

数据

  • 正样本：1239个行人图片及左右翻转的图片，即共2478个
  • 负样本：1218个没有行人的图片中随机选取12180个检测窗口大小的子图作为负样本

流程
检测出来的是错误分类的负样本
正负样本训练分类器
初始SVM分类器在负样本原图上进行行人检测
难例
加入到初始负样本集,重新训练分类器
最终的分类器

双对数坐标上的评价曲线DET

纵坐标： 漏检率（miss rate， 1-recall rate（查全率，命中率）），FalseNeg（漏检）/（TruePos（检测到）+FalseNeg（漏检））

横坐标： 每个窗口的误报率（FPPW， False Positives Per Window ），两个值越低越好 经常使用10E-4时漏检率作为结果性能的参考点

结果综述

最低0.47元/天 解锁文章
SophiaCV
关注
专栏目录
OpenCV4.x图像处理实例-HOG+SVM行人检测
视觉与物联智能
09-15 495
HOG+SVM行人检测 HOG+SVM行人检测 1. 前言 2. HOG+SVM行人检测描述 2.1 图像伽马矫正 2.2 图像梯度计算 2.3 梯度直方向方图 2.4 HOG特征提取过程总结 2.5 SVM支持向量机 3. 代码实现 1. 前言 OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了P
hog行人检测
彼岸花
03-24 1359
本文只提供行人检测的效果图和源码链接 实验功能： 　　单击Open Image按钮，选择需要进行人检测的一张图片，确定后自动显示出来。该图片的大小没限制。 　　单击People Detect按钮，则程序会自动对该图片进行行人检测，且将检测到的效果显示出来，即用1个矩形框将行人框出来。 　　单击Close按钮，退出程序。 实验结果： 图片1效果： 　　 图片2效果：
【CVPR2005】梯度方向直方图（Histogram of Oriented Gradients,简称HOG）
Hali_Botebie的博客
07-08 772
这是一种提取特征的方法 关键流程 1、pixel 计算梯度（ΔDistance,ΔAngle\Delta{Distance},\Delta{Angle}ΔDistance,ΔAngle） 2、对cell内的pixel梯度进行规则权重投影 3、对block内的cell进行对比度归一化 4、所有block的直方图向量一起组合成一个大的HOG特征向量 5、【可选】PCA降维 ...
Hog行人检测
03-14
通过训练Hog+SVM生成行人检测模型 可以有效的检测出图像中的行人。
利用HOG特征+SVM分类器进行人体检测
csdnforyou的博客
08-11 3941
1、HOG特征：        方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal...
HOG+SVM行人检测算法
06-10
HOG，即Histogram of Oriented Gradients，是一种用于特征提取的技术，它通过计算和积累图像中像素块的梯度方向直方图来捕捉物体边缘和形状信息。SVM，支持向量机，是一种有效的分类器，尤其擅长处理线性和非线性...
hog-feature.rar_HOG描述子_HOG特征 SVM_feature.hog_物体检测_行人 识别
07-15
方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被...
利用hog+svm训练识别模板
10-18
HOG（梯度方向直方图）是一种用于物体检测的计算机视觉算法，由Navneet Dalal和Bill Triggs在2005年的CVPR会议上提出。该方法通过对图像中的局部区域进行梯度或边缘密度的统计来描述图像特征，从而实现目标检测的...
基于HOG的行人检测
02-21
基于HOG的行人检测，刚刚调试过，效果不错！
HOG_SVM的行人检测
04-22
基于HOG和SVM的行人检测 matlab平台
行人检测（HOG等）
04-24
Histograms of Oriented Gradients for Human Detection等论文
hog_cvpr2005
09-15
this is a paper from cvpr_2005
新手学习opencv--基于Hog的视频行人检测
05-15
新手学习opencv--基于Hog的视频行人检测
学习OpenCV——HOG+SVM
小熊不去实验室
04-17 2万+
#include "cv.h" #include "highgui.h" #include "stdafx.h" #include #include #include #include #include using namespace cv; using namespace std; int main(int argc, char** argv) { vector img_
HOG算法 行人检测
fclovw的博客
09-03 1638
HOG（Histogram of Oriented Gridients）是2005年提出描述行人特征的算法，在当年取得了突破性的进展，处理在行人检测领域，在其他识别方面HOG也取得了不错的效果。HOG通过计算和统计图像局部区域的梯度方向直方图来形成描述特征 1.思想 在一张图像中，人与外界存在一个边缘，通过梯度的方向和大小就可以对边缘进行描述，进而对待检测物体进行特征描述 2.HOG算法
【Opencv学习】之HOG和SVM（用于行人检测）
tx_far的博客
01-19 1206
1.HOG （1）方向梯度直方图（Histogram of Oriented Gradient，HOG），HOG通过计算和统计图像局部区域的梯度方向直方图来构成特征。 （2）梯度主要位于边缘部分。采集各细胞单元（小的连通区域）的各像素点的梯度或边缘直方图来构成特征描述符。——归一化（用于提高性能） （3）优点：对图像几何的和光学的不变性好；容许行人有细微的肢体动作（特别适合用于人体检测） ...
OpenCV_基于HOG特征的行人检测
热门推荐
12-31 2万+
OpenCV中提供了HOG的行人检测（pedestrain detection）类。 cv::HOGDescriptor类的构造函数的各参数的定义： CV_WRAP HOGDescriptor() : winSize(64,128), // detect window blockSize(16,16),
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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