1,看acfDetect函数,函数分为两部分(run detector on every image和 write results to
2,然后就要对待检测图片经行特征的提取了,主要语句为P =chnsPyramid(I,pPyramid)。这是开始要构造特征金字塔了。在chnsPyramid函数中,首先对图片进行颜色的转换为后面的特征提取做铺垫。在程序中规定金字塔有19层,每一层都是原图像的缩减抽样,作者选取了其中的1、9、17来计算特征,称之为real scales另外的16层,都用作者的逼近算法来近似计算,论文中证明说,这样既可以很大程度的提高计算速度,又能保证一定的准确性。接下来就是金字塔的组合,数据的平滑等处理。
3,接下来介绍关于real scales的特征提取介绍,这是我现在最为关注的。主要语句为chns=chnsCompute(I1,pChns)。在chnsCompute函数中,先经行colorchannels特征的提取,图片由3种颜色组成,所以每个像素点有3个颜色特征,也就是等到了m*n*3的数据;gradientmagnitude特征的提取,每个像素点只有1个特征,得到m*n*1的数据;gradientmagnitude特征的提取,这个梯度直方图设定为6个bin,所以每个像素点有6个特征,得到m*n*6的数据。在得到这些数据后,作者直接把这些数据合并,产生了m*n*10的最终数据。
查看程序的流程为
acfDemoInria.m-> acfDetect.m -> chnsPyramid.m ->chnsCompute.m