本文目录一览

1，hog特征向量进行融合时必须降维吗

针对禁令交通标志牌提出了一种基于HOG-LBP自适应融合特征的交通标志检测方法,将标志图片等分为多个不重叠的块,每块内将加权后的HOG和LBP特征进行串行融合作为
不明白啊 = =！

hog特征向量进行融合时必须降维吗

2，hog 特征图怎么画matlab

我觉得你可以提取特征 通过机器学习训练来进行分类，你总不会只分类两者图片吧，比如我要区别人和非人的图片，我就提取HOG（梯度直方图特征）利用adaboost训练样本（样本中包含人和非人的图片），用得到的分类器对检测样本（有人和非人的），这样一般能区别任何非人，而分类问题大多这么做的， 至于你这种图像 我觉得用gradient特征 或者FDF特征来区分

hog 特征图怎么画matlab

3，hog特征提取出来后放在矩阵中是怎样的

hog特征提取出来 是一个数组，将数组中的元素逐个赋值在矩阵中，表现出来的是每个block中包含的所有cell中的向量
针对禁令交通标志牌提出了一种基于HOG-LBP自适应融合特征的交通标志检测方法,将标志图片等分为多个不重叠的块,每块内将加权后的HOG和LBP特征进行串行融合作为
额

hog特征提取出来后放在矩阵中是怎样的

4，HOG特征与Haarlike特征哪种特征更好些

应该说，泛泛的说没有一个定论。 不同模型的特征提取方法针对于不同的检测目标会有大相径庭的效果的 像HOG就比较适用于人整体的检测，而HAAR更倾向于人脸的识别 至于这其中原因，一部分是因为数学（这个真的超复杂，不是一两句就能讲明白的），另一部分便是大量的经验所致，你可以看到每一篇外文的论文最后都会有一个专门的部分是将testresult的，会有效果比较。

5，梯度方向直方图提取的是什么纹理还是边缘特征

方向梯度直方图（Histogram of Oriented Gridients），缩写为HOG，是目前计算机视觉、模式识别领域很常用的一种描述图像局部纹理的特征。这个特征名字起的也很直白，就是说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。
乱哄哄强颈包工队稚突

6，怎么使用opencv提取hog特征

HOG特征提取方法就是将一个image：1. 灰度化（将图像看做一个x,y,z（灰度）的三维图像）2. 划分成小cells（2*2）3. 计算每个cell中每个pixel的gradient（即orientation）4. 统计每个cell的梯度直方图（不同梯度的个数），即可形成每个cell的descriptorint _tmain(int argc, char** argv) Mat trainImg; //需要分析的图片 trainImg=imread("1.jpg",1); //读取图片 HOGDescriptor *hog=new HOGDescriptor(cvSize(3,3),cvSize(3,3),cvSize(5,10),cvSize(3,3),9); //具体意思见参考文章1,2 vector<float>descriptors;//结果数组 hog->compute(trainImg, descriptors,Size(1,1), Size(0,0)); //调用计算函数开始计算 printf("%d\n",descriptors.size()); //打屏一下结果数组的大小，看看是否符合文献2的预估， 发现完全一样，那篇文章很给力 sift("1.jpg"); //这是我改写的sift... for (int i=0;i<kp.size();i++) printf("keypoint %d at %f %f\n",i,kp[i].first,kp[i].second); if (kp[i].first==picw) kp[i].first--; if (kp[i].first==0) kp[i].first=1; if (kp[i].second==pich) kp[i].second--; if (kp[i].second==0) kp[i].second=1; int pos=(kp[i].second-1)*(picw-2)+kp[i].first-1; for (int j=0;j<9;j++) res[j]+=descriptors[pos*9+j]; } } puts("result:"); for (int i=0;i<9;i++) printf("%lf ",res[i]); //结果以文字输出。。。 puts("");IplImage * respic; //结果以直方图输出，里面有个res.jpg是我画的直方图背景图，没有这个图跑不了程序，把从这以下代码注释32313133353236313431303231363533e78988e69d8331333337376263掉吧 if ((respic = cvLoadImage("res.jpg", 1)) == 0) return -1; double maxx=0; for (int i=0;i<9;i++) if (maxx<res[i]) maxx=res[i]; for (int i=0;i<9;i++) cvRectangle(respic, cvPoint(150+51*i,(maxx-res[i])/maxx*(352-77)+77), cvPoint(201+51*i,351), CV_RGB(0, 0, 0), 1, 8, 0); CvFont font; cvInitFont( &font, CV_FONT_HERSHEY_SIMPLEX, 0.5, 0.5, 0 ); itoa((int)maxx,outs,10); cvPutText(respic,outs,cvPoint(53,83),&font,CV_RGB(0, 0, 0)); cvNamedWindow("image1",1); cvShowImage("image1", respic); cvWaitKey(0); cvDestroyWindow("image1");}

文章TAG：hog特征  hog特征向量进行融合时必须降维吗  
下一篇