基于HOG+SVM的行人检测系统设计

  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