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

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、by RadonHISTORGRAMS OF ORIENTED GRADIENTS FOR HUMAN DETECTION1WindowBlockCellbin重要概念2HOG描述子的輸入根據(jù)測(cè)試，window的大小為64*128時(shí)效果最好。Window3Block & Cell4Block & Cell5bin6色彩和gamma歸一化梯度計(jì)算統(tǒng)計(jì)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(duì)于3通道圖像，只保留梯度幅值最大的通道的梯度。梯度計(jì)算8對(duì)block加一個(gè)高斯空域窗口Bloc

2、k中每個(gè)pixel根據(jù)自己的梯度和位置進(jìn)行投票統(tǒng)計(jì)局部圖像梯度信息9投票的權(quán)重梯度幅值的函數(shù)直接使用梯度幅值效果最好block中的每一個(gè)pixel對(duì)相鄰cell和其梯度方向的相鄰區(qū)間進(jìn)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(gè)參數(shù)空間Block中的投票11統(tǒng)計(jì)局部圖像梯度信息12block歸一化13HOG描述子將window中所有block對(duì)應(yīng)的特征描述向量組合在一起 HOG沒(méi)有選取主方向或旋轉(zhuǎn)梯度方向直方圖不具有旋轉(zhuǎn)不變性 HOG不具有尺度不變性 HOG在密集采樣的圖像塊中進(jìn)行計(jì)算特征向量的各個(gè)維度隱含了其在檢測(cè)窗口中的位置信息通過(guò)使用不同旋轉(zhuǎn)方向的樣本進(jìn)行訓(xùn)練，改變?cè)诖龣z測(cè)圖像中的窗口大小，使用HOG描述子也能實(shí)現(xiàn)具有旋轉(zhuǎn)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(jì)算統(tǒng)計(jì)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(jié)果 第1次訓(xùn)練18hard example19也適用于生成hard

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論