采用Python、numpy库实现图像HOG特征的提取，主要用于分析HOG特征的具体算法流程。 参考资料： HOG的经典论文：Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEE
转载
2023-07-05 10:38:31
174阅读
查看了一些博客对HOG算子进行代码实现，该算法常和SVM算法相结合，我个人觉得原因在于，该算法可以提取特征。该特征是利用图像本身的梯度及角度得到的信息，作为输入的矢量，因此有了svm的输入数据，而后根据每张图对应一个y标签，则有了训练的真实y值。这样根据svm的分类去训练，将可以对某些目标进行检测了。基于此，我将借鉴其它博客大佬的解释，对其进行了代码实现，如下： 大概过程：HOG特征提取
转载
2023-07-04 19:34:59
144阅读
# 如何实现 "hog Python 函数"
在这篇文章中，我将指导你如何实现一个简单的 "hog" Python 函数。我们将从定义程序需求开始，接着逐步实现每个步骤，并解释代码的含义。
## 整体流程
下面是实现 "hog" 函数的步骤概述：
| 步骤编号 | 步骤名称 | 描述
原创
2024-09-19 06:46:50
24阅读
前言HOG特征的全称是Histograms of Oriented Gradients，基于HOG特征的人脸识别算法主要包括HOG特征提取和目标检测，该算法的流程图如下图所示。本文主要讲HOG特征提取。 HOG特征的组成Cell：将一幅图片划分为若干个cell（如上图绿色框所示），每个cell为8*8像素 Block：选取4个cell组成一个block（如上图红色框所示），每个bloc
转载
2023-07-20 21:02:45
170阅读
介绍方向梯度直方图（Histogram of OrientedGradient,HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。主要思想是在一副图像中，局部目标的表象和形状（appearanceand shape）能够被梯度或边缘的
转载
2023-11-14 09:02:46
108阅读
%Image descriptor based on Histogram of Orientated Gradients for gray-level images. Th
原创
2022-10-10 15:33:21
97阅读
大家好，我是老白，今天是我入坑学习Python第9天，今天主要学习的内容是函数的基本定义和用法。首先跟着教材介绍几个常用的词； def (define 的缩写，定义)的含义是创建函数，或者说是给一个函数下个定义，告诉你，我要创建这个函数了。arg (agument的缩写，参数)和parameter的都是参数的意思，但是稍有不同，这里不做详细解释，说实在话，现在的我也不
转载
2024-06-18 14:18:45
23阅读
Python 3学习—— 文件操作 写此博客 是为了激励自己，并且将自己的心得以及遇到的问题与人分享一、课堂笔记 1.一切皆文件 对文件的操作一般都三个过程：打开、操作、关闭。f = open ('小文件','r',encoding = 'utf8') # r 为读模式 w 为写模式 整体为得到文件的操作句柄
data = f.read()
print
转载
2023-12-12 16:15:13
28阅读
本文用80行代码的Python实现了HOG算法，代码在Github Hog-feature，虽然OpenCV有实现好的Hog描述器算法，但是本文目的是完全理解HOG特征提取的具体方法和实现原理，以及检验相关参数对实验结果的影响，提升检测到的特征的性能以及优化代码的运行速度。此文由作者和ZP大兄弟共同完成1. 方法简介方向梯度直方图（Histogram of Oriented Gradient, H
转载
2023-08-01 16:12:11
87阅读
通过计算和统计图像局部区域的梯度直方图来构成特征，先计算图片某一区域中不同方向上梯度的值，然后进行累积，得到直方图，这个直方图呢，就可以代表这块区域了，也就是作为特征，可以输入到分类器里面了。 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机
转载
2017-07-30 17:05:00
138阅读
2评论
1.HOG概述如果想学习算法，可以参考：HOG算法 在这里先谈一下我对HOG的学习总结： HOG是对一个图片的特征描述，什么是特征描述，就是舍去那些不需要的信息，比如区分方形和圆形，你只要获取它的轮廓信息就可以识别，你不需要知道方形和圆形是什么颜色的，是对一张图片的更简化的表示。 HOG就更简单表示了图片的梯度和梯度方向信息，图片上物体轮廓的边缘，梯度相对较大，因此可以描述出物体的大致轮廓。 HO
转载
2024-03-11 23:39:34
32阅读
1. HOG特征简介特征描述符是图像或图像补丁的表示形式，它通过提取有用信息并丢弃无关信息来简化图像。通常，特征描述符将大小W x H x 3（通道）的图像转换为长度为n的特征向量/数组。对于 HOG 特征描述符，输入图像的大小为 64 x 128 x 3，输出特征向量的长度为 3780。在HOG特征描述符中，梯度方向的分布（直方图）被用作特征。图像的渐变（x和y导数）很有用，因为边缘和角落（强度
转载
2024-04-12 03:46:13
58阅读
过程：HOG特征提取方法就是将一个image（你要检测的目标）：1）灰度化（将图像看做一个x,y,z（灰度）的三维图像）（必须灰度化）；2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；3）计算图像每个像素的梯度（包括大小和方向）；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰（可以用sob
转载
2021-05-24 21:29:33
77阅读
关于HOG的认识基本是参考Dalal的Histograms of Oriented Gradients for Human Detection这篇论文得来的，并且参照了网上的静止图像上的HOG行人检测代码改成了基础的视频上的行人检测。HOG特征提取的基本思想：局部目标的外表和形状可以被局部梯度或边缘方向的分布很好的描述，即使我们不知道对应的梯度和边缘的位置。数据集：INRIA我自己也下载了INRI
转载
2024-01-25 19:31:09
120阅读
实现HOG特征提取的大概过程： 1）灰度化（将图像看做一个x,y,z（灰度）的三维图像）； 2）采用Gamma校正法对输入图像进行颜色空间的标准化（归一化）；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰； 3）计算图像每个像素的梯度（包括大小和方向）；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。 4）将图像划分成小cells（例如6*6像素
转载
2023-07-12 14:09:04
250阅读
Python学习笔记1 快速入门下载安装好Python之后，在开始找到双击打开一个窗口，这是一个shell界面编辑窗口，点击左上角的file——new file新建一个窗口，这里可以输入完整的代码。先从一个程序开始(严格按照如下格式打在第二个窗口new file里)如下所示:输入ctrl +S保存为odd.py文件(必须以.py结尾)然后按F5执行，如果出现错误一定是格式有错，Python对缩进要
转载
2023-07-12 14:09:46
32阅读
1, hog特征总结
转载
2021-08-18 11:49:48
155阅读
方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员D
原创
2022-10-10 15:28:09
125阅读
简介HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。Dalal等提出的HOG+SVM算法，在进行行人检测取得了
在OpenCV中HoughCircles()方法可以用来查找圆形，找到的圆形通过圆心位置和半径进行描述。1、接口 接口形式：cv2.HoughCircles(image,method,dp,minDist[,circles[,param1[,param2[,minRadius[,maxRadius]]]]])->circles参数含义：image：输入图像，8bit单通道图像。me
转载
2023-10-15 16:50:24
190阅读
