Armily的专栏

总体思路：1、提取正负样本hog特征2、投入svm分类器训练，得到model3、由model生成检测子4、利用检测子检测负样本，得到hardexample5、提取hardexample的hog特征并结合第一步中的特征一起投入训练，得到最终检测子。深入研究hog算法原理：一、hog概述        Histograms of Oriented Gradien

转自 http://blog.youkuaiyun.com/carson2005/article/details/7841443 之前介绍过Hog特征(http://blog.youkuaiyun.com/carson2005/article/details/7782726)，也介绍过SVM分类器（http://blog.youkuaiyun.com/carson2005/article/details/6453502 ）；

在人脸检测中，我们一般利用训练好的XML文件去预测图像中是否存在人脸，那么XML文件是如何得到的，按照人脸的XML文件，它应该是提取样本的Haar特征，利用某个机器学习方法，最终得到的。本文主要讨论如何得到自己的XML文件。         在机器学习中，首先应该是采集样本，然后提取他们的特征，本人主要利用HOG特征进行实验。1、采集样本图像（正样本和负样本），将其归一化到一个的尺度，

版权声明：转载时请以超链接形式标明文章原始出处和作者信息及本声明 http://shijuanfeng.blogbus.com/logs/100675201.html 看了将近半年的行人检测的资料，最近开题了，我也趁着这个机会把脑袋里的东西总结一下：先说下常用的数据库：最早的是MIT，这个库比较简单，行人图片背景简单，只有正面和背面。在2005年以前流行，2005年后随着HOG的提出，

转自：http://blog.youkuaiyun.com/sangni007/article/details/7544401 这几天一直为一个问题挠头，搞得好几天没心情，今天想明白了一点赶紧记下来，省的以后忘了。这几天一直折磨我的问题就是Hog.detectMultiScale()函数。我看到网上的有些HoG的文章从一幅完整图像中检测出目标对象时，一个很NB的框框，框的还那么准，比如Op

转自：http://www.cnblogs.com/wszzdyyp/archive/2012/10/14/2723548.html一、网上一些参考资料　　     在博客目标检测学习_1(用opencv自带hog实现行人检测) 中已经使用了opencv自带的函数detectMultiScale()实现了对行人的检测，当然了，该算法采用的是hog算法，那么hog算法是怎样实现的呢？这一节就

转自：http://blog.youkuaiyun.com/liulina603/article/details/8289625这里总结网上自己找到的资料，搞一个简单的框架供大家参考一下。OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introducti

学习SVM，首先通过http://zh.wikipedia.org/wiki/SVM，再通过博客http://blog.youkuaiyun.com/yang_xian521/article/details/6969904OpenCV开发SVM算法是基于LibSVM软件包开发的，LibSVM是台湾大学林智仁(Lin Chih-Jen)等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件

转自http://hi.baidu.com/icekeydnet/blog/item/4555173d265e9aea3b87ce67.html hog是一个基于梯度的直方图提取算法，用于人体检测十分有效。在opencv2.2+版本里面已经实现。封装在HOGDescriptor类里。hog其实就是对一副图片的指定大小区域进行梯度统计。可以直接调用。opencv把它过于复杂化了，用的

摘自：http://blog.youkuaiyun.com/xuhongwei0411/article/details/7821934之前运行haar特征的adaboost算法人脸检测一直出错，加上今天的HOG&SVM行人检测程序，一直报错。今天总算发现自己犯了多么白痴的错误——是因为外部依赖项lib文件没有添加完整，想一头囊死啊做程序一定要心如止水！！！ 仔细查找！！！ 1.人脸识别程序

转自：http://blog.sina.com.cn/s/blog_534497fd01018xvf.html 问题1：目前提取hog特征后，要把右侧特征翻转叠加到左侧来learn或者test，这样做的目的是减少特征、提高运行速度。但是会不会造成一类误报，就是左侧特征强，右侧空白的情况，误认为是目标：答：这种情况，不管是否翻转，都会有误报。 问题2：Train函数中的形参中

转自 http://www.cnblogs.com/miracled/archive/2012/05/12/2497271.html利用HOG特征训练分类器说明文档-By miracled整体框架： 样本制作+训练+检测 - （vs2008 + opencv2.3.1 + libsvm(可换用svmlight需改动部分源代码)）1. 样本制作：Make_Sample类1.1功能大致

在人脸检测中，我们一般利用训练好的XML文件去预测图像中是否存在人脸，那么XML文件是如何得到的，按照人脸的XML文件，它应该是提取样本的Haar特征，利用某个机器学习方法，最终得到的。本文主要讨论如何得到自己的XML文件。  在机器学习中，首先应该是采集样本，然后提取他们的特征，本人主要利用HOG特征进行实验。1、采集样本图像（正样本和负样本），将其归一化到一个的尺度，如48

转自：http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=9146#p35176/////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////