HOG描述符用于物体检测

Question

我想知道在MATLAB中是否有针对“汽车”等物体的HOG描述符实现，而不是针对人类的？

但是如果只有针对人类的实现，您可以引导我到该代码，并给我一些提示，以便改进代码以用于“汽车或摩托车”等物体。

- Mario

---

你好，我建议你先尝试谷歌搜索一下。无论如何，这里有一个链接，提供Matlab代码，你可以将任何图像作为输入（不仅限于人类），它将生成一个长度为81的HOG特征向量。HOG - G453

@Sistu 这段代码没有任何描述，而且它是用于人体检测的 :( - Mario

请浏览描述链接的论文，或者至少查看IEEE会议记录的摘录。我（非常笼统地）了解到，这个函数是为了返回所提供图像的HOG描述符而设计的。然后您可以将这些描述符应用于您的应用程序。所以如果您输入一辆“汽车”，您将获取可用于“汽车”的描述符。 - Ben A.

谢谢大家的回复，我想知道为什么特征向量是81*1？另外，我想知道是否正确，如果要制作分类器，我必须收集一个对象的描述符作为正样本，对抗虚假样本，所以我必须收集“汽车”的描述符并将其与其他东西进行训练，我必须获取100个“汽车”的图像和100个其他对象的负样本的描述符，我是正确的吗？最后，我希望你们中的一位提供答案以便接受，这样其他人就可以看到解决方案并知道它已被接受。谢谢 - Mario

这个网站可能会对你有所帮助：http://www.geocities.ws/talh_davidc/ - SomethingSomething

Answer 1

计算机视觉系统工具箱中现在有一个名为extractHOGFeatures的函数。

- Dima

Answer 2

你可以使用VLFeat Toolbox，它有非常高效的HOG实现，可以找到任何对象的HOG特征，并可视化。 如果“im.jpg”是您的输入图像，您可以使用以下代码获取HOG特征： hog = vl_hog("im.jpg",8,'verbose') 这里的8是窗口大小，您可以根据需要进行调整。

要显示特征，请使用以下代码： imhog = vl_hog('render',hog,'verbose')

- user3292186

Answer 3

HOG是一种特征描述符，可以应用于任何您想要的对象。实现方式不变，除了块大小、单元格大小、块步幅等参数。要获取车辆描述符，需要提供它们的正负样本。Opencv为用户提供训练分类器的功能。如果Matlab提供了训练分类器的代码，则应该相同。

- Frazer

Answer 4

这里有一个非常优秀的Matlab代码，完全实现了Dalal算法。我已经在许多重要的学术项目中测试和使用了这个代码。

http://hi.baidu.com/fpmaldfoamdfmze/item/4f3b3ac881affcb00c0a7b11 所有的功劳归于发布此代码的人！

HOG不仅适用于行人检测，还可以用于任何刚性（或近似刚性）物体。

要使用这个代码，你需要理解如何在一个区域内计算HOG。该区域被分成重叠的“块”。块由若干个“单元”组成。每个块中都计算了一个空间方向直方图。最终向量是通过连接这些空间直方图形成的。 你可以调整的参数有：

cellpw, cellph：单元格的像素宽度和高度。

nblockw, nblockh：x和y方向上以单元格数量计算的块大小。

nthet：角度箱数。

issigned: 是否采用有符号或无符号梯度

overlap: 块之间的重叠量，以分数表示

isglobalinterpolate: 三维直方图的全局或局部插值方式

normmethod: 使用的规范化类型

您可以首先尝试使用默认参数 -

cellpw = 8; cellph = 8; nblockw = 2; nblockh = 2; nthet = 9; overlap = 0.5; isglobalinterpolate = 'localinterpolate'; issigned = 'unsigned'; normmethod = 'l2hys';

在Matlab中获取特征的方法类似于：

I = imread('car.png');
Ig = rgb2gray(I);
F = hogcalculator(Ig, 8, 8, 2, 2, 9, 0.5,'localinterpolate', 'unsigned', 'l2hys');

F的维度/长度取决于您选择的参数。

回答您的评论， 是的，您必须为正面（汽车）和负面（非汽车）图像构建这些特征以构建检测系统。 SVM通常用作分类器。我建议使用libsvm库 -

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

一旦您建立了训练集，请使用该训练集进行训练。调整SVM参数以获得最高的准确性。 示例中给出的参数可能不是最佳的，您可以尝试不同的设置。我建议首先尝试更改nthet、cellpw和cellph。 祝你好运！

- Mathai