Project

General

Profile

HOG

HOG算法流程:

例子:

  • 分成六部的图像:

1

  • 第一步的作用在于将图像规范化,通过两个方面GAMMA和COLOUR, GAMMA方面的话,其规范化后图像中的参量可以被直接提取出来,方便后面的操作,颜色的规范化则是去除图像中光强值同时保留颜色值,例如去除阴影或者光强变化的像素。
  • 在低FPPW中,均方根的GAMMA压缩能够提高其表现。而LOG则起到了反作用。

2

  • 斜率的计算直接影响识别的表现,不同的斜率计算方法在FPPW的表现上不同,总体而言,较为简单的斜率计算能够获得更好的效果,此外,对于颜色的斜率计算则是对每一个颜色通道进行独立的斜率测量,并且寻找到最标准的一个作为像素的斜率向量。求导不仅能够捕捉人物轮廓信息,也能进一步削弱光强差异。

3

  • 这个模块的主要目的在于通过计算每个像素的权重投票,通过局部空间地区(CELL)累计投票,投票是用来反映某像素的斜率幅度的大小。

4

  • 针对图像中前景和背景之间的信息的不同,运用归一化使得信息得以统一,通过局部空间单元的信息组成向量(最关键部分),空间中的模块是重合的,这样每个单元可以包含多个单元的信息,使得向量能够反映更多的图像信息。这可以大幅度提高图像识别能力。

5

  • HOG技术在人物识别窗口中共有16个像素,这大大降低了识别的错误率,而这一步就是将像素收集并整理信息。

6

  • 将之前整理的向量送入SVM进行分级,来判断其是否是人物。

流程图.jpg View (45.2 KB) 潘 宇腾, 09/07/2011 04:15 PM

HOG算法流程.jpg View (55.7 KB) 潘 宇腾, 09/07/2011 10:03 PM

HOG.jpg View (31.4 KB) 潘 宇腾, 09/08/2011 01:07 PM