zoukankan      html  css  js  c++  java
  • 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征简易解释

    论文出处:Histograms of Oriented Gradients f or Human Detection (author: Navneet Dalal and Bill T riggs)

    HOG特征+SVM方法现在常用于人车识别中。

    一张图片中,某个3*3的九宫格(格子里代表是黑白化后的灰度值)

      a

      b

       c

      d

      e

       f

      g

      h

       i

    关注中间的格子(红色的e),对于e而言,它的梯度

    大小:

    方向:

    按照这个方法可以计算所有的细胞(cell)像素点的梯度。

    初始化一个2*2的block。

    block的4个细胞像素的梯度规约(投影)到4个方向(如直角坐标的四个方向,下面以4为例)或8个方向(多了东南,东北,西南,西北)或更多个方向。一个block就有了4个方向的向量组合属性。

    步长为1,移动block窗口遍历整张图片。依次再换为3*3,2*3,4*4等各种形状的block。每个block都和之前训练好的向量组合属性做相似性比较,达到阈值就可以判断存在。

    关于训练:对于训练图片,人工标注人车所在的block然后计算出其向量组合属性。

  • 相关阅读:
    Android之Parcel
    Android常用的IPC通信
    Android之Surface绘制原理
    Android之Surface
    Android之SurfaceFlinger服务
    Android Service(服务)
    Android Service进阶之路
    Android之UI线程启动
    Android之Activity显示原理
    python17-Django进阶
  • 原文地址:https://www.cnblogs.com/aquastar/p/3446837.html
Copyright © 2011-2022 走看看