基于HOG+SVM的行人检测系统设计
1.1主要研究内容
(1)工作的主要描述
基本思路是将图像划分为很多小的连通区域,即细胞单元Cell,然后对Cell的梯度幅值和方向进行投票统计,形成基于梯度特性的直方图。把直方图在图像更大的范围内(又名区间或者Block)进行归一化。归一化的块描述符叫做HOG描述子(feature descriptor)。将检测窗口中的所有块的HOG描述子组合成最终的特征向量。然后使用SVM分类器进行目标和非目标的二分类(检测)。
(2)系统流程图
1.2 题目研究的
工作基础或实验条件
(1)硬件环境
(Intel(R)Core(TM) i5-7300HQ CPU @2.50GHz 2.50 GHz8.00 GB 64位操作系统,基于x64的处理器)
(2)软件环境
Python语言
1.3 数据集描述
这里要做行人检测,所以正样本理应是行人。一般大小为64*128,如果尺寸不一致,可以在程序中调整大小为64*128.
Negative文件夹中存放负样本图片。负样本可以采用一些无关背景图片。
TestData文件夹中存放测试图片。
再来看看运行程序时的log信息。
可以看到程序自动检查上述几个文件夹,统计的结果为:Positive目录中有924个正样本,Negative目录中有924个负样本,TestData目录中有179个样本。
1.4 特征提取过程描述