c++ 提取傅里叶描述子_Opencv从零开始 - 「进阶篇」- HOG特征及其描述子提取-CSDN博客

本文详细介绍了HOG特征提取算法及其在行人检测中的应用，包括Gamma矫正、灰度化、梯度计算、直方图统计等步骤。通过结合SVM进行训练和预测，实现行人检测功能。并提供了OpenCV实现HOG+SVM行人检测的代码示例，强调了窗口步长和尺度对结果的影响。最后，展示了如何通过平均方法优化检测框。

摘要由CSDN通过智能技术生成

✒️ HOG特征是对象识别与模式匹配中是一种常见的特征提取算法，本文主要介绍了HOG特征以及利用其描述子加SVM方法实现检测功能，具体的内容可以参考下文~

概述

✔️ HOG(Histogram of Oriented Gradient)特征在对象识别与模式匹配中是一种常见的特征提取算法，是基于本地像素块进行特征直方图提取的一种算法，对象局部的变形与光照影响有很好的稳定性。

HOG应用-行人检测

✔️ 用HOG特征来来识别人像，通过HOG特征提取+SVM训练，可以得到很好的效果，Opencv也集成了HOG进行的行人检测算法。

OpenCV函数

hog = cv2.HOGDescriptor() ：创建HOG特征描述；
hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector()) ：创建HOG+SVM行人检测器；
多尺度检测API：

rects, weights = hog.detectMultiScale(img, foundLocations,                     hitThreshold = 0,                     winStride, padding,                      scale = 1.05,                     finalThreshold = 2.0,                     useMeanshiftGrouping = false)

输入

Img --> 表示输入图像；
foundLocations --> 表示发现对象矩形框；
hitThreshold --> 表示SVM距离度量(特征与SVM分类超平面之间距离)，默认0表示；
winStride --> 表示窗口步长；
padding --> 表示填充；
scale --> 表示尺度空间；
finalThreshold --> 最终阈值，默认为2.0；
useMeanshiftGrouping --> 不建议使用，速度太慢；

PS：其中窗口步长与Scale对结果影响最大，特别是Scale，小的尺度变化有利于检出低分辨率对象，同时也会导致FP发生，高的可以避免FP但是会产生FN(对象漏检)。

行人检测代码示例

import cv2 as cvsrc = cv.imread("people.png")cv.imshow("input", src)# hog特征描述hog = cv.HOGDescriptor()# 创建SVM检测器hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())# 检测行人(rects, weights) = hog.detectMultiScale(src,                                        winStride=(4, 4),                                        padding=(8, 8),                                        scale=1.25,                                        useMeanshiftGrouping=False)for (x, y, w, h) in rects:    cv.rectangle(src, (x, y), (x + w, y + h), (0, 255, 0), 2)cv.imshow("hog-people", src)cv.waitKey(0)cv.destroyAllWindows()

src

result

HOG特征描述子提取

提取过程

1. Gamma矫正

✔️ 为了提高检测器对关照等干扰因素的鲁棒性，需要对图像进行Gamma矫正，完成对整个图像的归一化，调整对比度，降低噪声影响；

一般 r=1/2

2. 灰度化

3. 计算图像XY梯度和方向

使用sobel可以出水平和垂直方向的梯度：

gx = cv2.Sobel(img, cv2.CV_32F, 1, 0, ksize=1)gy = cv2.Sobel(img, cv2.CV_32F, 0, 1, ksize=1)

利用公式求取梯度幅值和方向：

Opencv中使用：

mag, angle = cv2.cartToPolar(gx, gy, angleInDegrees=True)

4. 8x8网格方向梯度权重直方图统计

✔️ 流程：首先将图像划分成若干个块(Block)，每个块又由若干个细胞单元(cell)组成，细胞单元由更小的单位像素(Pixel)组成，然后在每个细胞单元中对内部的所有像素的梯度方向进行统计。

默认HOG的描述子窗口为64x128，窗口移动步长为 8x8
每个窗口的cell为8x8,每个block由4个cell组成，block移动步长为一个cell，因此可以得到7x15个block

直方图把180度分为9个bin，每个区间为20度，如果像素落在某个区间，就把该像素的直方图累计到对应区间的直方图上

每个block有4个cell,每个cell有9个向量值，即每个block有36个向量，所以整个窗口有7x15x36=3780个特征描述子。

5. 块描述子和特征向量归一化

✔️ 每个block可以得到4个9维的向量，需要再次进行一次归一化，这样可以进一步提高泛化能力，同传使用L2-nrom进行归一化(还有L1-norm, L1-sqrt,etc.)

整体流程图

HOG+SVM 检测示例

✔️ 这里，我们使用前面所了解到HOG知识，结合SVM，进行一个简单的水表检测案例。

使用描述子特征生成样本数据
通过SVM进行分类学习与训练
load模型，进行预测结果

数据生成

# 把目标图放在64x128的灰色图片中间，方便计算描述子def get_hog_descriptor(image):    hog = cv.HOGDescriptor()    h, w = image.shape[:2]    rate = 64 / w    image = cv.resize(image, (64, np.int(rate*h)))    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)    bg = np.zeros((128, 64), dtype=np.uint8)    bg[:,:] = 127    h, w = gray.shape    dy = (128 - h) // 2    bg[dy:h+dy,:] = gray    descriptors = hog.compute(bg, winStride=(8, 8), padding=(0, 0))    return descriptorsdef get_data(train_data, labels, path, lableType):    for file_name in os.listdir(path):        img_dir = os.path.join(path, file_name)        img = cv.imread(img_dir)        hog_desc = get_hog_descriptor(img)        one_fv = np.zeros([len(hog_desc)], dtype=np.float32)        for i in range(len(hog_desc)):            one_fv[i] = hog_desc[i][0]        train_data.append(one_fv)        labels.append(lableType)    return train_data, labelsdef get_dataset(pdir, ndir):    train_data = []    labels = []    # 获取正样本    train_data, labels =  get_data(train_data, labels, pdir, lableType=1)    # 获取负样本    train_data, labels =  get_data(train_data, labels, ndir, lableType=-1)    return np.array(train_data, dtype=np.float32), np.array(labels, dtype=np.int32)    if __name__ == '__main__':    # train_data的shape为(n, 3780), labels(n,)    # n为样本数    train_data, labels = get_dataset("pdir/", "ndir/")

构建SVM训练器

✔️ Opencv中SVM有线性分类器和非线性的径向分类器。

这里使用线性分类器：

svm.train(trainData, cv.ml.ROW_SAMPLE, responses)

Sample --> 表示训练样本数据/HOG特征数据
Layout --> 有两种组织方式ROW_SAMPLE与COL_SAMPLE
Responses --> 每个输入样本的标签

训练代码

def svm_train(pdir, ndir):    # 创建SVM    svm = cv.ml.SVM_create()    # 设置相应的SVM参数    svm.setKernel(cv.ml.SVM_LINEAR)    svm.setType(cv.ml.SVM_C_SVC)    svm.setC(2.67)    svm.setGamma(5.383)    # 获取正负样本和labels    trainData, responses = get_dataset(pdir, ndir)    # reshape (n,)-->(n,1)    responses = np.reshape(responses, [-1, 1])    # 训练    svm.train(trainData, cv.ml.ROW_SAMPLE, responses)    svm.save('svm_data.dat')

预测目标

import cv2 as cvimport numpy as npimage = cv.imread("test_01.jpg")# 原图太大，降低原图分辨率test_img = cv.resize(image, (0, 0), fx=0.2, fy=0.2)# 灰度gray = cv.cvtColor(test_img, cv.COLOR_BGR2GRAY)# 获取大小h, w = test_img.shape[:2]# 加载训练好的模型svm = cv.ml.SVM_load('../code_104/svm_data.dat')# 为了筛选框，记录框坐标总和以及框的个数，为了最后求出所有候选框的均值框sum_x = 0sum_y = 0count = 0# 创建hog特征描述子函数hog = cv.HOGDescriptor()# 为了加快计算，窗口滑动的步长为4，一个cell是8个像素for row in range(64, h-64, 4):    for col in range(32, w-32, 4):        win_roi = gray[row-64:row+64,col-32:col+32]        hog_desc = hog.compute(win_roi, winStride=(8, 8), padding=(0, 0))        one_fv = np.zeros([len(hog_desc)], dtype=np.float32)        for i in range(len(hog_desc)):            one_fv[i] = hog_desc[i][0]        one_fv = one_fv.reshape(-1, len(hog_desc))        # 预测        result = svm.predict(one_fv)[1]        # 统计正样本        if result[0][0] > 0:            sum_x += (col-32)            sum_y += (row-64)            count += 1            # 画出所有框            cv.rectangle(test_img, (col-32, row-64), (col+32, row+64), (0, 233, 255), 1, 8, 0)# 求取均值框x = sum_x // county = sum_y // count# 画出均值框cv.rectangle(test_img, (x, y), (x+64, y+128), (0, 0, 255), 2, 8, 0)