HOG特征提取
原始HOG特征提取
原始图像归一化,防止光照不均匀,采用伽马校正:
a=b^gamma 其中伽马参数一般为0.5
对图像每个像素进行提取梯度信息:
对图像进行卷积,获得X,Y的梯度信息,卷积核:
■([-1&0&1])和■([1&0&-1)]^T
根据XY梯度信息,计算像素的梯度信息(方向和值)
将像素划分为一个单元格cell,一般按照66的像素划分;
对cell进行构建梯度方向直方图统计:一般是将0-180度按照20度进行划分,划分为9个bin。9个bin的值就是每个cell计算的梯度值作为投影权值。
最后将几个cell合并为一个block,一般为22个cell组合为一个block,将所有cell的方向直方图串联起来形成block值。
对block进行归一化,归一化的方式为:
A = ■([k_1&k_2&k_3]) 其中:
C = √(〖k_1〗^2+ 〖k_2〗2+〖k_3〗2 )
则:A_norm= ■([k_1/C&k_2/C&k_3/C])
根据以上流程完成hog特征提取。
HOG特征信息计算案例
针对行人检测:图像大小64128,block大小1616即(22 cell),cell为88,block步长为88。
则根据以上信息计算出:
Cell 数量为:64/8 * 128/8=128
Block数量为:(64/8 -1)(128/8 -1)= 7 * 15 = 105
一个Block特征维量:229 = 36
一个样本特征维数: 105*36 = 3780
HOG特征提取原理
最新推荐文章于 2022-05-10 20:20:56 发布