python 建筑物识别_OpenCV+Python 指定物体识别

本文介绍一种基于HoG+Pyramids+Sliding Windows+SVM的物体识别方法

基本流程

(1)确定最小检测物体，对原图img缩放，缩放比例为(滑动窗大小／最小物体大小)。

(2)缩放后的图片，构建金字塔。

(3)对金字塔的每一层，通过滑动窗获取patch(类似ROI的概念)，对patch归一化处理，之后给训练好的物体检测器识别，将识别成功的窗口位置和概率保存。(特征使用HoG，分类算法使用SVM)

(4)将物体窗口映射到原图img中的物体位置，概率不变。

(5)NMS处理重叠窗口。

HoG

论文

HoG原理简书1

HoG原理简书2

Histogram of Oriented Gradients 方向梯度直方图，是特征描述符算法大家庭的一份子，家庭成员还有SIFT，SURF，ORB。

统计图像局部区域的梯度方向信息来作为该局部图像区域的表征。

基本步骤

灰度化。如果使用彩色图像，每个像素的梯度幅值取三个通道最大的，梯度方向取梯度幅值最大通道的方向。

归一化。对图像进行Gamma矫正，一般对每个像素的灰度值开根号。

计算每个像素的梯度。梯度方向一般分为9的区间(bin)。20°/bin for 无符号方向(0~180°)，40°/bin for 有符号方向(0~360°)

统计每个Cell的梯度方向直方图。一般一个Cell是8*8个像素。9个特征值，对应9个bin。

统计每个Block的梯度方向直方图图。一般一个Block是2*2个Cell。36个特征值的向量，同时做归一化。

计算HoG特征向量。根据Block的总个数，生成总的HoG向量(36*n维向量)。

HoG存在的问题

不知道物体在图像的哪个位置。

不知道图像的尺度。

Image Pyramids

解决图像的尺度问题

图像金字塔简书1

OpenCV中图像金字塔的基本步骤

根据系数改变图像的大小。

平滑图像。

def resize(img, scaleFactor):

return cv2.resize(img, (int(img.shape[1] * (1 / scaleFactor)), int(img.shape[0] * (1 / scaleFactor))), interpolation=cv2.INTER_AREA)

def pyramid(image, scale=1.5, minSize=(200, 80)):

yield image

while True:

image = resize(image, scale)

if image.shape[0] < minSize[1] or image.shape[1] < minSize[0]:

break

yield image

Sliding Window

通过扫描图像的不同区域来解决图像中物体所在位置的问题。

def sliding_window(image, step, window_size):

for y in