【人脸检测——基于机器学习4】HOG特征

前言

HOG特征的全称是Histograms of Oriented Gradients，基于HOG特征的人脸识别算法主要包括HOG特征提取和目标检测，该算法的流程图如下图所示。本文主要讲HOG特征提取。

HOG特征的组成

Cell：将一幅图片划分为若干个cell（如上图绿色框所示），每个cell为8*8像素

Block：选取4个cell组成一个block（如上图红色框所示），每个block为16*16像素。Block的滑动步长为8像素，如黄色箭头所示

Detection Window：令64*128像素大小的图片为检测Win，在其中共计有105个block。

HOG 特征要完全描述一个obj的所有信息，它的维度=窗体中所有block个数（105）*每个block中cell的个数（4）*每个cell中Bin的个数（9）=3780（维），每一维就是一个bin

HOG特征的提取

1. Gamma/Colour Normalization

在Navneet Dalal的实验 ^[1]中Gamma/Colour Normalization对于检测器的性能仅仅有些许的影响，他猜测是后续的描述子归一化能实现相同的功能。

1. Gradient Computation

Dalal的实验^[1]中最简单的一维中心对称模板在处的高斯模板下效果最好。根据具体的检测目标采取不同的梯度计算方法。

人脸识别中可以采用如下特征模板计算像素的梯度：

水平方向上的模板为：； ：左中右三个像素分别与模板相乘=相邻像素之差

竖直方向上：；b也就是上下像素之差

整个梯度的幅值 :

角度：

1. Spatial/Orientation Binning

这里我们定义了新的概念bin。Bin可以是（无符号的梯度），也可以是（有符号的梯度）。对于人体检测系统来说，由于不同人着装的颜色和背景变化太大，梯度方向的符号不是很重要，而对其他的刚性对象如花瓶、茶杯、摩托车等梯度符号信息非常重要。

我们这里的人脸检测中，将bin定义在，并将其分为9份，因此，每个cell都有9个bin。上一小节我们计算出 了像素的梯度与角度。我们要在cell中统计每个梯度的幅值总和。

bin的投影操作可如下所示（并不唯一）

Bin的投影

Bin 将0-360划分为9块，每块为40度，这40度中，每20度为连续的。

例如 0-40度中

Bin1 为0- 20 在这个范围 180-200 当在这两个范围内的 被认为在一个bin上

例如（有很多方法）

对于某个像素ij，计算出来的幅值为f，角度为a=10，在0-20，那么就投影在bin1上

若 a=190,在180-200之间，那么也在bin1上。

投影幅值为：

若 a=10/190，刚好位于中间，这，投影幅值就为f

若a=25，那么投影将被分解为在Bin1 和bin2上

，

计算整体的hog特征

3780维==win(block cell bin)，每个维度就是一个bin

对于3780维的某一维，就是某一个窗体win下的某个block中的某个cell的某个bin

对于一个block中的4个cell

Cell0: bin0 bin 1 … bin8

Cell1: bin0 bin 1 … bin8

Cell2: bin0 bin 1 … bin8

Cell3: bin0 bin 1 … bin8

对于第ij（第i行j列）个像素，投影在cell0中的Bin0上，那边bin0中的内容就是f0：bin0中描述的就是当前像素的梯度

对于第i+1j像素，若也投影在cell0中的Bin0上，那么Bin0中的内容就是f1

当投影完后， 求 sumbin0 --------就是最后的bin0 权重的累加

1. Normalization and Descriptor Blocks

原因：梯度算子容易受到噪声如光照和背景对比度的影响，为了减少这种影响需要对局部cell进行归一化处理

基本思想：将相邻的cell组成可重叠的block，以有效的利用重叠的边缘信息，然后对每个块分别进行归一化处理。

Dala文章中介绍了四种常见的block归一化算法，其中（1），（2），（4）的性能大致相同，而（3）则降低了性能

（1）L2-norm：

（2）L2-Hys：先做一次L2-norm归一化，然后把大于等于0.2的分量赋值为0.2再做一次L2-norm

（3）L1-norm：

（4）L1-sqrt：，采用了L1-norm的平方根式

其中， 表示v的k阶范数，为一个小数值的常量，它的存在是必要的

统计好每一个block内的梯度信息并形成描述子后，将检测窗口（win）内所有信息收集起来并结合成的向量即为HOG特征向量。

参考与致谢

Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. IEEE, 2005, 1: 886-893.