⛄一、HOG+SVM图像分类简介
1 HOG目标特征提取
HOG特征是目前传统目标检测范畴内应用最广、研究最深的特征。首先,对图像x方向的水平梯度和y方向的垂直梯度进行计算,并计算两者的合成梯度,然后对矩形区域内的HOG进行汇总统计,从而得到特征描述。
设当前像素的梯度为[dx,dy],梯度向量的强度和角度分别为g和θ:
通常梯度方向会取0°~180°的角度绝对值区间,无符号梯度方向直方图的优势在于效果更好。
图1 梯度方向直方图特征的定义
如图1所示,在计算完梯度强度及方向后,以Cell为最小单元对检测窗口进行直方图的统计计算,并通过两两Cell组成Block来合并成一个特征向量。利用L1或L