HOG für "erkennen von Objekt" opencv

Ich würde gerne wissen, ob es irgendeinen code oder keine gute Dokumentation zur Verfügung, die für die Umsetzung HOG-features? Ich habe versucht, die Dokumentation zu Lesen hier aber es ist ziemlich schwer zu verstehen und es braucht SVM..

Was ich brauche, ist einfach zu implementieren, einen HOG-Detektor für Objekte.... Wie das, was es tut SIFT oder SURF

Btw, ich bin nicht interessant diese Arbeit.

Danke..

InformationsquelleAutor der Frage Mario | 2011-10-04

  1. 4

    können Sie nehmen einen Blick an
    http://szproxy.blogspot.com/2010/12/testtest.html

    er veröffentlichte auch "tutorial" für HOG auf source forge hier:
    http://sourceforge.net/projects/hogtrainingtuto/?_test=beta

    Ich weiß das, da ich das selbe problem wie du. Das tutorial zwar nicht, was ich nennen würde, ein tutorial, ein paar source-codes, keine Dokumentation, aber ich gehe davon aus, dass es funktioniert und kann Sie wenigstens irgendwo.

    InformationsquelleAutor der Antwort mugetsu

  2. 2

    Ende und vereinfacht ein wenig, alle, die Sie benötigen zum erkennen bestimmter Objekte im Bild ist:

    • Lokalisieren "Punkte von Interesse", die zum extrahieren des patches:

    Um Punkte von Interesse, Sie können verwenden einige algorithmen, wie der Harris corner Detektor, zufällig oder so einfach wie das schieben von Fenstern.

    • Aus diesen Punkte zu bekommen patches:

    Müssen Sie die Entscheidung von der patch-Größe.

    • Von diesen patches die Berechnung der feature-Deskriptoren. (wie SCHWEIN).

    Statt HOG, die Sie verwenden können, ein weiteres feature-Deskriptor wie SIFT, SURF...

    HOG-Implementierung ist nicht allzu schwer. Sie müssen berechnen Sie die Verläufe der extrahierten patch zu tun anwenden Sobel X-und Y-kernels ist, nach, dass Sie haben, teilen Sie den patch in NxM-Zellen, 8x8 zum Beispiel, und berechnen Sie ein Histogramm der Steigungen, Winkel und Betrag. Im folgenden link können Sie sehen, es ausführlichere Erklärung:
    HOG-Person-Detektor Tutorial

    • Überprüfen Sie Ihre feature-Vektor in den zuvor trainierten Klassifizierer

    Wenn Sie erst einmal in diesem Vektor, prüfen Sie, ob es das gewünschte Objekt oder die nicht mit einem zuvor trainierten Klassifizierer wie SMV. Stattdessen SVM, die Sie nutzen könnten NeuralNetworks zum Beispiel.

    SVM Umsetzung eher schwierig, aber es gibt einige Bibliotheken wie opencv, die Sie verwenden können.

    InformationsquelleAutor der Antwort omotto

  3. 1

    Gibt es eine Funktion extractHOGFeatures in der Computer Vision System Toolbox für MATLAB.

    InformationsquelleAutor der Antwort Dima

Schreibe einen Kommentar