HOF与MBH

两个传统的图像处理特征,简单有用。

1.HoF(Histogram of Flow)
1)概念

HOF(Histograms of Oriented Optical Flow)是计算光流方向的直方图,和HoG一个概念,通常用于Action Recogntion中。

2)提出原因

一方面,光流对于运动方向,背景变化敏感。另一方面,在动作识别中,相应的光流特征描述子的维度在变化。于是,需要寻找一个基于光流的既能表征时域动作信息,又对尺度和运动信息方向不敏感的特征。这就是HOF的由来。

3)计算步骤:
(1)计算光流
(2)统计直方图
计算光流矢量与横轴的夹角,根据角度将其投影到对应的直方图bin中,并根据该光流的幅值进行加权(消除背景的影响!)
v表示光流,θ表示光流方向,b表示直方图第几bin,B一般表示要投影到对于直方图的bin数,如下例则表示是4
在这里插入图片描述
在这里插入图片描述
(3)归一化
 补充:

  • 以横轴为基准计算夹角能够使HOF特征对运动方向(向左和向右)不敏感。
  • 通过归一化直方图实现HOF特征的尺度不变性。
  • HOF直方图通过光流幅值加权得到,因此小的背景噪声对直方图的影响微乎其微。
  • 通常直方图bin取30以上识别效果较好。

2.MBH特征

MBH特征是在2006年的一篇论文: 《 Human Detection using oriented Histograms of flow and appearance 》中介绍的几种动作描述算子之一。

对于HOG特征,其统计的是灰度图像梯度的直方图;对于HOF特征,其统计的是光流(包括方向和幅度信息)的直方图。而对于MBH特征,它的处理方法是将x方向和y方向上的光流图像视作两张灰度图像,然后提取这些灰度图像的梯度直方图。即MBH特征是分别在图像的x和y方向光流图像上计算HOG特征。

在 述
由上图可以看出,MBH特征的计算效果就是提取了运动物体的边界信息,用于动作识别等任务。

发布了95 篇原创文章 · 获赞 203 · 访问量 3万+
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览