HOG特征检测

最新推荐文章于 2020-08-28 22:31:19 发布
最新推荐文章于 2020-08-28 22:31:19 发布
阅读量2.9k 收藏 12
点赞数 2
分类专栏： 特征提取与检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/andylanzhiyong/article/details/84678447
版权
HOG特征检测通过计算局部区域的梯度方向直方图来构成特征，用于描述图像边缘和形状信息。它包括检测窗口、块和单元格的定义，并在OpenCV中有详细实现。HOG与SIFT的主要区别在于目标和处理方式，HOG适用于边缘结构的描述，且不涉及特征点提取。尽管HOG能抵抗光照变化，但速度慢，对遮挡和噪点敏感。常用于HOG+SVM的行人检测。
摘要由CSDN通过智能技术生成

HOG特征检测，它是通过计算局部区域的梯度方向直方图来构成特征。

其中检测窗口Win、块Block、单元格Cell的基本信息

(1)大小：

A、检测窗口：WinSize=128*64像素，在图像中滑动的步长是8像素(水平和垂直都是)

B、块：BlockSize=16*16像素，在检测窗口中滑动的步长是8像素(水平和垂直都是)

C、单元格：CellSize=8*8像素

D、梯度方向：一个Cell的梯度方向分为9个方向，在一个单元格内统计9个方向的梯度直方图

(2)HOG描述子

    OpenCV中一个Hog描述子是针对一个检测窗口而言的，一个检测窗口有((128-16)/8+1)*((64-16)/8+1)=105个Block，一个Block有4个Cell，一个Cell的Hog描述子向量的长度是9，所以一个检测窗口的Hog描述子的向量长度是105*4*9=3780维。

    HOG特征提取是统计梯度直方图特征。具体来说就是将梯度方向（0->360°）划分为9个区间，将图像化为16x16的若干个block,每个block再化为4个cell（8x8）。对每一个cell,算出每一像素点的梯度方向和模，按梯度方向增加对应bin的值，最终综合N个cell的梯度直方图形成一个高维描述子向量<

最低0.47元/天 解锁文章
andylan_zy
关注
专栏目录
特征提取与检测8-HOG特征检测
Qt学视觉
02-07 354
HOG特征检测
【特征检测】HOG特征算法
热门推荐
hujingshuang
08-07 8万+
简介        HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。        Dalal等提出的HOG+...
Matlab已集成了HOG特征检测
walle的博客
10-28 1万+
img = imread('cameraman.tif'); [featureVector,hogVisualization] = extractHOGFeatures(img); figure; imshow(img); hold on; plot(hogVisualization);
HOG特征检测---简述
liyuqian199695的博客
12-23 7732
HOG特征检测---简述 1、HOG介绍 HOG（histogram of oriented gradient），用于目标检测的特征描述子。一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。 HOG特征原理： HOG的核心思想是所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。通过将整幅图像分割成小的连接区域（称为cells），每个
openCV特征提取与检测（六）-- HOG特征检测算法
DIAJEY的博客
08-28 8120
1.什么是HOG特征提取算法？ Hog，即方向梯度直方图 直方图就是数据分布的一种图形表现，类似于柱形图，每个柱形代表一组处于一定范围的数据。这些柱形也成为组（bins），柱形越高意味着某组数据越多 以下图灰度图像为例 像素值的范围在0-255之间，将这些值分为32组，每组包含8个像素值，所以第一组的范围是0-7，以此类推到248-255. 要创建直方图，就是将该途中的各个像素值，放到对应的组里。而上图中的薄饼有很多亮值，背景则很黑，因此直方图大致如下： 什么是方向梯度？ 方向很简单，指的就是图像梯度
HOG特征检测Matlab代码
06-18
Matlab实现HOG特征提取，有注释，易懂！
HOG特征检测与其他特征检测算法大比拼：优劣势一览无余
HOG（Histogram of Oriented Gradients）特征检测是一种用于图像特征提取的强大技术。它通过计算图像中梯度的方向和幅度来描述图像的局部形状和纹理。HOG特征具有鲁棒性、不变性和可区分性，使其成为计算机视觉中...
hog特征算法
04-12
HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。 Dalal等提出的HOG+SVM算法，在进行行人检测取得了极大地成功后，更多新算法不断涌现，不过大都是以HOG+SVM的思路为主线。 HOG特征检测算法的几个步骤：颜色空间归一化—>梯度计算—>梯度方向直方图—>重叠块直方图归一化—>HOG特征。
图像特征提取三大法宝：HOG特征，LBP特征，Haar特征
01-20
原文 http://dataunion.org/20584.html;http://www.open-open.com/lib/view/open1440832074794.html
HOG_SVM的行人检测
04-22
基于HOG和SVM的行人检测 matlab平台
图像Harris、HOG角点检测的matlab实现.zip
04-20
基于matlab2019实现，亲测有效~ Use Harris corner detection algorithm to calculate the prominent corner points of the following images, such as corners of roof, chair, eyes, and mouth. Use HOG corner detection algorithm to calculate the prominent corner points of the following images, such as corners of roof, chair, eyes, and mouth.
hog_csdn
09-02
hog
图像特征提取
Ryan_e的博客
07-09 744
HOG特征
HOG特征检测学习笔记
hongbin_xu的博客
04-03 4876
HOG简介 HOG（Histogram of Oriented Gridients）特征检测算法，最早由法国研究院Dalal等在CVPR2005上提出，是一种用于检测人体目标检测的图像描述子，用于表征图像局部梯度方向和梯度强度分布特性。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好地表示行人目标的外形轮廓。Dalal等提出的HOG+SVM算法当时在行人检测上取得了巨大的成功，...
opencv3.1的HOG特征检测参数详解（HOG梯度直方图的高质量文章*****）
maweifei的博客
03-02 7455
HOG特征的源码中给出的检测窗口大小的默认值为128*64，网上很多范例都会将原图resize为该尺寸。那么HOG特征检测时，检测窗口尺寸一定要处理为128*64吗？No，我们只要遵守必要的规则，检测窗口可以设置为任意尺寸。本文记录此问题点的验证方法和使用HOG特征点提取时的注意事项。       1. HOGDescriptor参数详解       HOGDescriptor是H
HOG特征检测算法函数
最新发布
05-21
HOG（Histogram of Oriented Gradients）特征检测是一种常用的目标检测方法，具体流程包括图像预处理、计算梯度和方向直方图、块归一化等步骤。下面是一个使用OpenCV实现HOG特征检测的函数示例： ```python import ...
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