HOG特征计算的python实现

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)

 

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值