码迷,mamicode.com
首页 > 其他好文 > 详细

HoG SVM 目标检测分析

时间:2016-08-02 06:38:52      阅读:780      评论:0      收藏:0      [点我收藏+]

标签:

前一段时间开始了解HoG跟SVM行人识别,看了很多包括Dalal得前辈的文章及经验分享,对HoG理论有了些初步的认识。

HoG 的全称是 Histogram of Oriented Gradient, 直译过来也就是梯度方向直方图。 就是计算各像素的梯度方向,统计成为直方图来作为特征表示目标。

下面简述一下利用HoG + SVM 实现目标检测的简要步骤

Step1:获取正样本集并用hog计算特征得到hog特征描述子。例如进行行人检测,可用IRINA等行人样本集,提取出行人的描述子。

Step2:获取负样本集并用hog计算特征得到hog特征描述子。 负样本图像可用不含检测目标的图像随机剪裁得到。 通常负样本数量要远远大于正样本数目。

Step3: 利用SVM训练正负正负样本,得到model。

Step4:利用model进行负样本难例检测。对Training set 里的负样本进行多尺度检测,如果分类器误检出非目标则截取图像加入负样本中。(hard-negative mining)

Step5:  结合难例重新训练model。

Step6:应用最后的分类器model检测test set,对每幅图像的不同scale进行滑动扫描,提取descriptor并用分类器做分类。如果检测为目标则用bounding box 框出。图像扫描完成后应用 non-maximum suppression 来消除重叠多余的目标。

技术分享 技术分享

 

HoG SVM 目标检测分析

标签:

原文地址:http://www.cnblogs.com/klitech/p/5727880.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!