基于方向梯度直方圖的行人檢測算法_第1頁
基于方向梯度直方圖的行人檢測算法_第2頁
基于方向梯度直方圖的行人檢測算法_第3頁
基于方向梯度直方圖的行人檢測算法_第4頁
基于方向梯度直方圖的行人檢測算法_第5頁
已閱讀5頁，還剩17頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、by RadonHISTORGRAMS OF ORIENTED GRADIENTS FOR HUMAN DETECTION1WindowBlockCellbin重要概念2HOG描述子的輸入根據測試，window的大小為64*128時效果最好。Window3Block & Cell4Block & Cell5bin6色彩和gamma歸一化梯度計算統(tǒng)計局部圖像梯度信息block歸一化生成特征描述向量算法流程7一維的離散微分模板(-1, 0, 1), (1, 0, -1)水平梯度圖和垂直梯度圖求幅值和相位對于3通道圖像，只保留梯度幅值最大的通道的梯度。梯度計算8對block加一個高斯空域窗口Bloc

2、k中每個pixel根據自己的梯度和位置進行投票統(tǒng)計局部圖像梯度信息9投票的權重梯度幅值的函數直接使用梯度幅值效果最好block中的每一個pixel對相鄰cell和其梯度方向的相鄰區(qū)間進行投票。Block中的投票10三線性插值x方向、y方向和梯度的角度這三個參數空間Block中的投票11統(tǒng)計局部圖像梯度信息12block歸一化13HOG描述子將window中所有block對應的特征描述向量組合在一起 HOG沒有選取主方向或旋轉梯度方向直方圖不具有旋轉不變性 HOG不具有尺度不變性 HOG在密集采樣的圖像塊中進行計算特征向量的各個維度隱含了其在檢測窗口中的位置信息通過使用不同旋轉方向的樣本進行訓練，改變在待檢測圖像中的窗口大小，使用HOG描述子也能實現具有旋轉不變性和尺度不變性的算法。生成特征描述向量14色彩和gamma歸一化梯度計算統(tǒng)計局部圖像梯度信息block歸一化生成特征描述向量算法流程15SVM16SVM 松弛變量17結果 第1次訓練18hard example19也適用于生成hard

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論