HOG特征计算的python实现

最新推荐文章于 2024-06-02 13:13:14 发布

原创最新推荐文章于 2024-06-02 13:13:14 发布 · 5.3k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#HOG

python 专栏收录该内容

4 篇文章

订阅专栏

本文介绍了由N.Dalal和B.Triggs于2005年提出的用于行人检测的HOG特征。该特征适用于96×160图像尺寸，并使用了INRIAPersonDataset数据集。文中提供了Python代码实现，包括图像梯度计算和方向梯度直方图生成。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用于行人检测（Pedestrian Detection）的hog特征于2005年被N. Dalal和B. Triggs提出来。他们提出的算法可用于计算96×160图像的HOG特征提取。使用的数据集为INRIA Person Dataset。

下面的python代码片段用来为计算一张图片的HOG特征：

import numpy as np
from scipy import signal
import scipy.misc
def s_x(img):
    kernel = np.array([[-1, 0, 1]])
    imgx = signal.convolve2d(img, kernel, boundary='symm', mode='same')
    return imgx
def s_y(img):
    kernel = np.array([[-1, 0, 1]]).T
    imgy = signal.convolve2d(img, kernel, boundary='symm', mode='same')
    return imgy
def grad(img):
    imgx = s_x(img)
    imgy = s_y(img)
    s = np.sqrt(imgx**2 + imgy**2)
    theta = np.arctan2(imgx, imgy) #imgy, imgx)
    theta[theta<0] = np.pi + theta[theta<0]
    return (s, theta)