hog检测的一点理解

本文介绍了作者对HOG(Histogram of Oriented Gradients)算法的理解,包括算法的基本步骤:窗口移动、图像处理、特征计算和归一化。推荐了几篇由计算机视觉和机器学习专家撰写的深入分析文章,帮助读者更全面地了解HOG及其在OpenCV中的应用。
摘要由CSDN通过智能技术生成

最近需要把博客重新整理下, 对于hog,先记下自己的一点理解,另外推荐几篇很不错的分析

hog 算法原理:http://blog.csdn.net/ttransposition/article/details/11874285

http://www.cnblogs.com/hrlnw/archive/2013/08/06/2826651.html

opencv的实现和应用:http://www.cnblogs.com/tornadomeet/archive/2012/08/03/2621814.html

以上这几位都是CV 和 ML的大牛, 在他们的博客中有很多相关的资料!


个人对于hog过程的大致理解:

hog检测应该是这样的过程:

1. 窗口在图像内部移动

2~5 gamma校正 计算梯度 权重赋值,统计梯度方向 归一化

6.计算窗口内部特征组成的一位向量,另外block可以是overlap的,Dalal设定的步长为8个像素,因此相邻块之间会有1-2个重叠的单元,而每个单元对其周围的4个块都有贡献。对于的检测窗口最终组成((128 - 8) / 8 * ((64 - 8)/8)) * 4 *9维的特征向量。

这样opencv中调用hog算法时的各项参数应该都能够理解了:</

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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