38

我正在尝试使用 OpenCV 的 HoG API 提取特征，但是我似乎找不到允许我这样做的 API。

我想要做的是使用 HoG 从我的所有数据集（一组正负图像）中提取特征，然后训练我自己的 SVM。

我在 OpenCV 下查看了 HoG.cpp，但没有帮助。所有代码都隐藏在复杂性和迎合不同硬件的需要中（例如英特尔的 IPP）

我的问题是：

  1. 是否有任何来自 OpenCV 的 API 可用于提取所有这些特征/描述符以输入到 SVM 中？如果有我如何使用它来训练我自己的 SVM ？
  2. 如果没有，是否有任何现有的库可以完成同样的事情？

到目前为止，我实际上正在将现有库 (http://hogprocessing.altervista.org/) 从 Processing (Java) 移植到 C++，但它仍然非常慢，检测至少需要 16 秒

有没有其他人成功地提取了 HoG 特征，你是怎么解决的？你有任何我可以使用的开源代码吗？

提前致谢

4

4 回答 4

50

您可以在 opencv 中使用 hog 类，如下所示

HOGDescriptor hog;
vector<float> ders;
vector<Point> locs;

此函数为您计算 hog 特征

hog.compute(grayImg, ders, Size(32, 32), Size(0, 0), locs);

计算出来的 HOG 特征grayImg存储在ders向量中，形成一个矩阵，以后可以用于训练。

Mat Hogfeat(ders.size(), 1, CV_32FC1);

for(int i=0;i<ders.size();i++)
    Hogfeat.at<float>(i,0)=ders.at(i);

现在您的 HOG 特征存储在 Hogfeat 矩阵中。

您还可以使用 object 设置窗口大小、单元格大小和块大小，hog如下所示：

hog.blockSize = 16;
hog.cellSize = 4;
hog.blockStride = 8;

// This is for comparing the HOG features of two images without using any SVM 
// (It is not an efficient way but useful when you want to compare only few or two images)
// Simple distance
// Consider you have two HOG feature vectors for two images Hogfeat1 and Hogfeat2 and those are same size.

double distance = 0;
for(int i = 0; i < Hogfeat.rows; i++)
    distance += abs(Hogfeat.at<float>(i, 0) - Hogfeat.at<float>(i, 0));

if (distance < Threshold)
    cout<<"Two images are of same class"<<endl;
else
    cout<<"Two images are of different class"<<endl;

希望它有用:)

于 2012-07-26T05:41:53.267 回答
3

在上面的文章的帮助下，我还编写了 2 hog feature 的程序。我应用这种方法来检查 ROI 区域是否发生变化。请参阅此处的页面。 源码及简单介绍

于 2015-02-27T04:39:14.670 回答
3

这里也是 GPU 版本。

cv::Mat temp;
gpu::GpuMat gpu_img, descriptors;

cv::gpu::HOGDescriptor gpu_hog(win_size, Size(16, 16), Size(8, 8), Size(8, 8), 9,
                               cv::gpu::HOGDescriptor::DEFAULT_WIN_SIGMA, 0.2, gamma_corr,
                               cv::gpu::HOGDescriptor::DEFAULT_NLEVELS);
gpu_img.upload(img);
gpu_hog.getDescriptors(gpu_img, win_stride, descriptors, cv::gpu::HOGDescriptor::DESCR_FORMAT_ROW_BY_ROW);
            descriptors.download(temp);
于 2015-06-26T20:20:50.493 回答
1

OpenCV 3 对用户使用 GPU 算法（即 CUDA）的方式进行了一些更改，请参阅过渡指南 - CUDA。

要将答案从 user3398689 更新到 OpenCV 3，这里是一段代码： 

#include <opencv2/core/cuda.hpp>
#include <opencv2/cudaimgproc.hpp>

[...]

/* Suppose you load an image in a cv::Mat variable called 'src' */

int img_width  = 320;
int img_height = 240;
int block_size = 16;
int bin_number = 9;

cv::Ptr<cv::cuda::HOG> cuda_hog = cuda::HOG::create(Size(img_width, img_height),
                                                    Size(block_size, block_size),
                                                    Size(block_size/2, block_size/2),
                                                    Size(block_size/2, block_size/2),
                                                    bin_number);

/* The following commands are optional: default values applies */
cuda_hog->setDescriptorFormat(cuda::HOG::DESCR_FORMAT_COL_BY_COL);
cuda_hog->setGammaCorrection(true);
cuda_hog->setWinStride(Size(img_width_, img_height_));

cv::cuda::GpuMat image;
cv::cuda::GpuMat descriptor;

image.upload(src);

/* May not apply to you */
/* CUDA HOG works with intensity (1 channel) or BGRA (4 channels) images */
/* The next function call convert a standard BGR image to BGRA using the GPU */
cv::cuda::GpuMat image_alpha;
cuda::cvtColor(image, image_alpha, COLOR_BGR2BGRA, 4);

cuda_hog->compute(image_alpha, descriptor);

cv::Mat dst;
image_alpha.download(dst);

然后，您可以根据自己的喜好使用“dst”变量中的描述符，例如，按照 G453 的建议。

于 2017-02-22T22:40:23.160 回答