本文介绍了HOG（Histograms of Oriented Gradients）算法，主要用于目标检测和分类，特别是行人检测。算法主要包括Gamma校正、梯度计算、方向 binning 和归一化等步骤。实验表明，将180°分为9个bins效果最佳，每个cell包含6×6~8×8像素，block大小为2×2~3×3，并且block之间有重叠。HOG+SVM组合在目标检测中表现出色。
1、简介
HOG（Histograms of Oriented Gradients，方向梯度直方图）最初是在2005年的CVPR会议上由法国研究员Dala提出来的，主要用来进行行人检测。目前HOG+SVM已经被广泛应用到目标检测和分类等领域。博主主要用HOG+SVM方法进行手势分类，原文请参考：“Histograms of Oriented Gradients for Human Detection“。
2、算法实现
核心思想：
①将图像检测窗口分成许多空间区域单元（cells），在每一个cell中计算一维梯度方向或者边缘方向直方图；
②若干个cells组成一个block，一个block中的梯度方向直方图是由这若干个cells的梯度方向直方图组成，为了
对光照、阴影等鲁棒，需要对block进行对比度归一化处理；
③实际上所有的block之间是有重叠的（重叠的区域为一个cell，后面会具体讲道），将检测窗口的所有blocks的
梯度直方图连接起来就形成了整个检测窗口的梯度方向直方图（HOG）描述子。
具体过程：
（1）Gamma/Colour Normalization
最低0.47元/天 解锁文章
扫一扫
1937
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
