基于（ＨＯＧ）的特征提取的学习_第1页
基于（ＨＯＧ）的特征提取的学习_第2页
基于（ＨＯＧ）的特征提取的学习_第3页
基于（ＨＯＧ）的特征提取的学习_第4页
基于（ＨＯＧ）的特征提取的学习_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于（ＨＯＧ）的特征提取的学习同济大学测绘与地理信息学院Contents对HOG的整体认识1HOG结构2归一化图像及梯度计算3块内的HOG以及窗口内HOG的检测4关于ＨＯＧ梯度方向直方图（HistogramofOrientedGradients,简称HOG）是目前特征检测提取的一种重要依据之一。HOG是将图像均匀的分成相邻的小块，然后在所有的小块内统计梯度直方图。HOG表现的是边缘结构特征，因此可以描述局部的形状信息，通过算法的改进，也可以在提取特征之后使用支撑向量机线性分类器(SVM)对其进行训练，从而达到检测目标的目的。完整的HOG特征提取算法和过程常用HOG结构通常使用的HOG结构大致有三种：矩形HOG（简称为R-HOG），圆形HOG和中心环绕HOG。矩形HOG使用重复遍历的矩形cell网格。Block块是由密集重复遍历的cell组成的。每一个块内独立进行特征向量归一化，以减少光照的影响。一般每个block由m×m个cell网格组成，而cell由n×n个像素组成。并且每个cell的梯度方向分成z个方向块，使用cell中的梯度方向和幅度对z个方向块投影，最后每个cell产生z维的特征向量。问题：Block与Cell的大小如何设置才能达到理想效果，与那些因素有关？※归一化图像

归一化图像的主要目的是提高检测器对光照的鲁棒性，因为实际的人体目标可能出现的各种不同的场合，检测器必须对光照不太敏感才会有好的效果。这样的归一化一般使用gamma均衡。即颜色空间标准化，一般有两种不同方式的Gamma标准化：平方根和log压缩。还会进行滤波处理，以此来提高算法的抗噪性。如高斯滤波：※梯度的计算图像的梯度和方向可以体现图像中目标的外形廓和一些纹理信息。而且梯度也是对光照敏感的。在我们的梯度计算中，对于彩色图像，计算每个像素位置所有通道的梯度方向和幅值，选择梯度幅值最大的颜色通道，将这个通道的梯度方向作为这个像素点的梯度方向。由梯度方向直方图确定主梯度方向Block块内HOG要对图像中的目标进行检测，检测器首先要对图像进行密集的扫描，对每一个扫描的位置，以此为顶点，大小为检测窗口的图像区域计算HOG特征向量。而HOG特征的计算首先是对检测窗口内以步长N进行遍历，以每一个位置为顶点的Block块内计算一次HOG特征。每个cell要对9维的特征进行梯度幅度投影，形成9维的特征向量，block内的四个cell独立产生9维的特征向量。计算某一个cell的特征向量时，投影的时候同一个block内的另外三个cell中的像素也要对这个cell的特征向量进行投影。问题：关于特征向量的投影采用插值的方法，为什么选择三维线性插值？检测窗口内的HOG对检测窗口进行重叠遍历扫描block，然后逐一计算每个block的特征向量，最后所有block内特征向量的组合就是我们这个窗口的HOG特征向量。接上，对每个cell插值后就要对对block块内

人人文库> 全部分类> 教育资料 > 课设设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论