Hog特征实质是:梯度的统计信息,即针对边缘作特征提取

意义:目标的表象和形状

转载于zouxy09大神的文章,加上自己些微的理解和应用!

http://blog.csdn.net/zouxy09/article/details/7929348/

上述基本讲清楚了,其实重点在于如下:

大概过程:

HOG特征提取方法就是将一个image(你要检测的目标或者扫描窗口):

1)灰度化(将图像看做一个x,y,z(灰度)的三维图像);

2)采用Gamma校正法对输入图像进行颜色空间的标准化(归一化);目的是调节图像的对比度,降低图像局部的阴影和光照变化所造成的影响,同时可以抑制噪音的干扰;

3)计算图像每个像素的梯度(包括大小和方向);主要是为了捕获轮廓信息,同时进一步弱化光照的干扰。

4)将图像划分成小cells(例如6*6像素/cell);

5)统计每个cell的梯度直方图(不同梯度的个数),即可形成每个cell的descriptor;

6)将每几个cell组成一个block(例如3*3个cell/block),一个block内所有cell的特征descriptor串联起来便得到该block的HOG特征descriptor。

7)将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image(你要检测的目标)的HOG特征descriptor了。这个就是最终的可供分类使用的特征向量了。

其中用Opencv实现需要注意:

    HOGDescriptor *hog = new HOGDescriptor(cvSize(64, 48), cvSize(32, 32), cvSize(8, 8), cvSize(16, 16), 9);

cvSize(64, 48):滑动窗口大小(不明白为什么设为图像的大小)
cvSize(32, 32):block大小
cvSize(8, 8):block的移动步长
cvSize(16, 16):cell大小
9:bins个数
前四个参数的单位都是像素。

一个重要的公式是: (window_size - block_size)/block_stride + 1

上述公式说明一个样本图像的block数量的计算方法,

而一个样本图像的特征数量的计算方法为

特征数量= bins * 每个block的cell数量 * block数量

目标检测的图像特征提取之(一)Hog特征提取相关推荐

  1. 目标检测的图像特征提取

    转自:http://blog.csdn.net/zouxy09/article/details/7929348 作者:zouxy09 目标检测的图像特征提取之(一)HOG特征 1.HOG特征: 方向梯 ...

  2. 视频目标检测与图像目标检测的区别

    一. 前言 本文介绍了知乎上关于视频目标检测与图像目标检测的区别的几位大佬的回答.主要内容包括有视频目标检测与图像目标检测的区别.视频目标检测的研究进展.研究思路和方法. 作者:Naiyan Wang ...

  3. 《动手学深度学习》Task09:目标检测基础+图像风格迁移+图像分类案例1

    1 目标检测基础 1.1 目标检测和边界框(9.3) %matplotlib inline from PIL import Imageimport sys sys.path.append('/home ...

  4. python图片目标检测_图像中的目标检测(HOG)

    我想探测显微镜图像细胞内的物体.我有很多带注释的图片(app.有对象的图像为50000,没有对象的图像为500000).在 到目前为止,我尝试使用HOG提取特征,并使用logistic回归和Linea ...

  5. 目标检测的图像特征提取—Haar特征

    1.Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征. Haar特征分为三类:边缘特征.线性 ...

  6. 提取lbp特征java代码_目标检测的图像特征提取之_LBP特征

    LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子:它具有旋转不变性和灰度不变性等显著的优点.它是首先由T. Ojala, M.Pietikäinen ...

  7. 目标检测——标注图像(超详细步骤)

    目录 1.目标 2.标注目标框生成XML文件 (1)建立工作区(必须) (2) 导入工作区 (3)在图片中进行标注 (4)完成 3.将XML文件转化为TXT文件 3.1将图像遍历输入到txt文件中 ( ...

  8. 目标检测算法——YOLOv5/YOLOv7改进之结合特征提取网络RFBNet(涨点明显)

    关注"PandaCVer"公众号 >>>深度学习Tricks,第一时间送达<<<

  9. 遥感图像目标检测研究综述

    遥感图像目标检测 遥感图像特殊性 一.目标检测研究综述 1.介绍 2.传统目标检测 3.基于深度学习目标检测 R-CNN系列为代表的两阶段算法 YOLO.SSD为代表的一阶段算法 二.多尺度目标检测研 ...

最新文章

  1. 手工构建ISO的基本步骤
  2. [渝粤教育] 西南科技大学 货币银行学 在线考试复习资料(1)
  3. ACL20 | 让笨重的BERT问答匹配模型变快!
  4. RPC Over HTTPS 访问Exchange 邮箱
  5. 两组的数据平均值合并_地理信息系统导论学习笔记(10)—数据探查
  6. 构建根文件系统之busybox
  7. 华为防火墙配置(L2TP)
  8. SpringCloud七:配置中心Eureka+Config+Bus+RabbitMQ
  9. C# 消息盒子 右下角显示窗体
  10. Java实现图表趋势图的展现
  11. 网络设置错误造成cluster不能启动(oifcfg setif cluster_interconnect )
  12. PC端的网站建设真的已经不重要了吗
  13. 给众多IT行业开发者的一个建议,要注意避开黑心的培训机构
  14. android lint 安全检测,Android Lint检查
  15. 【Python】SEBS模型计算蒸散发
  16. 面经—CV秋招40万+offer上岸经验:分享100道CV最新面试题
  17. Kelvin connection of PCB traces for current sensing--Cypress
  18. 百度前端学院斌斌学院任务4:实现模拟队列
  19. Java(if, else,else if)
  20. Jetpack Compose Image加载网络图片

热门文章

  1. antdesignvue upload vue3个人笔记待更新
  2. 数据仓库基础(二)ETL
  3. 用公众号获取 任意公众号文章列表 软件还是免费
  4. 【JAVA设计模式】外观模式(Facade Pattern)
  5. SEO优化---学会建立高转化率的网站关键词库
  6. spring3.2 @Scheduled注解 定时任务
  7. 为什么要有 hash 和 history
  8. SpringToolsSuite (STS)或Eclipse安装gradle
  9. 算法 --- 翻转二叉树
  10. abstract class 和 interface 区别