基于方向梯度直方图的行人检测算法

《基于方向梯度直方图的行人检测算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、byRadonHISTORGRAMSOFORIENTEDGRADIENTSFORHUMANDETECTIONWindowBlockCellbin重要概念HOG描述子的输入根据测试，window的大小为64*128时效果最好。Window在R-HOG中，window被相同大小的cell（，）覆盖，相同大小的block（）在由cell组成的网格上滑动。Block&CellBlock&Cellbin色彩和gamma归一化梯度计算统计局部图像梯度信息block归一化生成特征描述向量算法流程一维的离散微分模板(-1,0,1),(1,0,-1)’水平梯度图和垂直梯度图求幅值和相位对于3通道图

2、像，只保留梯度幅值最大的通道的梯度。梯度计算对block加一个高斯空域窗口Block中每个pixel根据自己的梯度和位置进行投票统计局部图像梯度信息投票的权重梯度幅值的函数直接使用梯度幅值效果最好block中的每一个pixel对相邻cell和其梯度方向的相邻区间进行投票。Block中的投票三线性插值x方向、y方向和梯度的角度这三个参数空间Block中的投票对block加一个高斯空域窗口Block中每个pixel根据自己的梯度和位置进行投票通过投票得到block对应的特征描述向量（维）该向量既对图像区域内的姿势或外观的小变化具有不变性。统计局部图像梯度信息对光照、阴影、边缘对比度等

3、具有更好的不变性①L2-norm:②L2-Hys:将特征描述向量中的最大值限制为0.2以下，再进行L2-norm③L1-sqrt:block归一化HOG描述子将window中所有block对应的特征描述向量组合在一起①HOG没有选取主方向或旋转梯度方向直方图不具有旋转不变性②HOG不具有尺度不变性③HOG在密集采样的图像块中进行计算特征向量的各个维度隐含了其在检测窗口中的位置信息通过使用不同旋转方向的样本进行训练，改变在待检测图像中的窗口大小，使用HOG描述子也能实现具有旋转不变性和尺度不变性的算法。生成特征描述向量色彩和gamma归一化梯度计算统计局部图像梯度信息block归一

4、化生成特征描述向量算法流程SVMSVM–松弛变量结果–第1次训练windowsize=64*128归一化方法：L2-normhardexample也适用于生成hardexample检测过程beforeafterSVM–第2次训练终