图像识别中人体检测的HOG特征提取方法解析.doc
《图像识别中人体检测的HOG特征提取方法解析.doc》由会员分享,可在线阅读,更多相关《图像识别中人体检测的HOG特征提取方法解析.doc(4页珍藏版)》请在三一文库上搜索。
1、图像识别中人体检测的HOG特征提取方法解析方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。HOG特征通过计算和统计图像局部区域的梯度方向直方图来构成特征。在一副图像中,局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述。其本质为:梯度的统计信息,而梯度主要存在于边缘的地方Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。实现方法:2、首先将图像分成小的连通区域,这些连通区域被叫做细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。最
2、后把这些直方图组合起来,就可以构成特征描述符。3、性能提高:将这些局部直方图在图像的更大的范围内(叫做区间)进行对比度归一化,可以提高该算法的性能,所采用的方法是:先计算各直方图在这个区间中的密度,然后根据这个密度对区间中的各个细胞单元做归一化。通过这个归一化后,能对光照变化和阴影获得更好的效果。因此HOG特征是特别适合于做图像中的人体检测的 。1、色彩和伽马归一化。A)、什么是图像的归一化图像归一化是指对图像进行了一系列标准的处理变换,使之变换为一固定标准形式的过程,该标准图像称作归一化图像。这样可以减少光照因素的影响2、计算图像梯度计算图像横坐标和纵坐标方向的梯度,计算每个像素位置的梯度方
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 识别 人体 检测 HOG 特征 提取 方法 解析
链接地址:https://www.31doc.com/p-3407880.html