本文介绍了HOG（Histogram of Oriented Gradient）特征在人脸识别中的应用。HOG算子通过计算和计数图像局部区域的梯度方向直方图来描述物体边缘特征，对图像的几何形变和光学形变保持较好的不变性。文章详细阐述了HOG特征提取的步骤，包括灰度化、Gamma校正、计算梯度、划分block并统计梯度直方图以及归一化操作，强调其在描述人脸轮廓方面的有效性。
Gabor，LBP，HOG等特征描述都是什么？
方向梯度直方图(HOG，Histogram of Oriented Gradient)是一种在计算机视觉和图像处理领域中广泛用于描述检测对象边缘梯度特征的算子，该算子通过对图像局部区域的梯度方向直方图进行计算和计数，表示物体的特征，在行人检测方面取得了巨大的成功，并已应用于人脸识别中。与其它特征描述方法相比，HOG有很多优点。因为HOG是在图像的部分方格单元上操作，所以会对图像几何的和光学的形变都能保持较好的不变性，同时由于该特征描述子没有旋转和尺度不变性，所以计算量不大
从图人脸HOG可视化图片中看出该描述子确实可以描述人脸的轮廓等特点。
HOG特征提取的步骤为ÿ
最低0.47元/天 解锁文章
扫一扫
2565
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
