该博客介绍了基于方向梯度直方图(HOG)的人脸检测技术，包括像素梯度计算公式、算法流程、细胞权重投影计算，并通过实例详细解析了HOG特征向量的构建过程。通过SVM等分类器训练，使用HOG特征进行人脸识别，展示了人脸检测的特征向量图示。
基于方向梯度直方图(HOG)的人脸检测
论文：Histograms of Oriented Gradients for Human Detection, CVPR 2005
惯例，分享歌词一句：
《化鹤归》
醉举杯饮星河 人间胜事且勾勒
来日悠长 此间你我 终能把 岁月雕琢
每个像素点的梯度计算公式：
- Gx(x,y)=H(x+1,y)−H(x−1,y) G x ( x , y ) = H ( x + 1 , y ) − H ( x − 1 , y )
- Gy(x,y)=H(x,y+1)−H(x,y−1) G y ( x , y ) = H ( x , y + 1 ) − H ( x , y − 1 )
- 幅度: G(x,y)=Gx(x,y)2+Gy(x,y)2−−−−−−−−−−−−−−−−−√ G ( x , y ) = G x ( x , y ) 2 + G y ( x , y ) 2
- 方向：
最低0.47元/天 解锁文章
扫一扫
1137
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
