问题标签 [histogram-of-oriented-gradients]

如何向外行解释定向梯度直方图算法？

为了理解 Dalal 和 Triggs 提出的定向梯度直方图 (HOG) 特征，我选择在不使用 openCV 的 HOGDescriptor 的情况下对其进行硬编码。这是我尝试实现 HOG 的一些相关代码：

这是用于计算 HOG 特征的 9 bin 直方图的函数 gradientHist()：

然而，OpenCV 告诉我：

也许我忽略了一些东西？任何建议/想法将不胜感激。提前致谢...

我正在尝试实现这个版本的方向梯度直方图（HOG）。我的代码如下。我的代码中唯一的区别是我习惯于opencv读取图像并将其转换为灰度。

示例输入和输出是：

输入：

输出：

为什么输出如此混乱？我什至在上面的 skimage 链接中尝试了宇航员的图像。为此，我也遇到了很多混乱，并且输出与链接中显示的完全不同。我怎样才能解决这个问题？

我已经SVM为simple_object_detector(). 但是，在对视频进行推理时，它变得太慢了。

我遇到了一个类似的问题：为什么 dlib 找到一个对象这么慢？答案是USE_AVX_INSTRUCTIONS在安装时使用启用的标志dlib。但对我来说并非如此。我发现默认情况下启用该标志。我也通过了这个常见问题解答：为什么 dlib 很慢，解决方案是选择Release模式，Visual Studio但我没有使用Visual Studio，只是从终端运行代码。

但有趣的是，如果我运行内置的人脸检测器dlib.get_frontal_face_detector()，它运行得非常好，没有延迟。simple_object_detector()但是程序只有在运行自定义数据训练时才会变慢。

我正在使用 SVM-HOG 管道在 python 中使用 OpenCV 进行行人检测。

我有很多不同尺寸的图像，有些很小（例如 21×32），有些较大（例如 127×264）。

我首先将我的 HOG 描述符定义为hog = cv2.HOGDescriptor() 当我通过调用计算 HOG 特征时，h = hog.compute(image)我发现当图像小于 64*128 时，描述符将无法计算特征，而是终止程序。

原始论文使用 64*128 大小的图像，但我认为它也表示可以使用具有相同纵横比 1:2 的图像（如果我错了，请纠正我）。

我的问题是 64*128 是 HOG 描述符可以计算特征的最小尺寸吗？因为我试图在调整为 32*64 的图像上计算 HOG 特征，但它不起作用。

谢谢。

我有两个 4000 维 HOG 特征，由cv2.HOGDescriptor. 我需要找到这两个向量之间的距离。

我尝试过这样的事情，但结果对我来说似乎是错误的。如果我需要解释，我有 3 张图片。A 和 B 几乎相同。C 完全不同。

A和B的距离应该小于那个。

I have a image of size of 64*64. I am trying to compute HOG features for the image. I have skimage for my implementation, with the following parameters:

I get a 36 * 1 dimensional histogram for all 8 * 8 cells with total dimensions = 1764.At the end feature vector is flattened for all histograms. Is there a way that I can find out feature vectors for each 8 * 8 cell?

I would like to compare the feature vector from each 8*8 patch in one image to patch in another image.Something like this.

How do I do that?

我在hog使用skimage.feature. 我找不到详细的文档，也找不到解释参数pixels_per_cell和cells_per_block.

我使用 HOG 从 MNIST 数据集中提取特征（所有图像均为 28*28），并设置pixels_per_cell = (2,2), cells_per_block = (14,14), orientation = 8.

我认为提取的特征中应该只有一个块，因为 2*14=28，它用完了图像的所有像素。但很明显我错了。hog返回一个形状数组(1568,)(1568=14*14*8)。

更奇怪的是，如果我设置pixels_per_cell = (2,2), cells_per_block = (7,7), orientation = 8，我会得到一个巨大的 shape 数组(25088,)。

pixels_per_cell两个参数和的正确用法是cells_per_block什么？任何帮助，将不胜感激。

有人能帮我什么是 OpenCV 库中 HOG 算法的时间复杂度吗？如何计算？

提前致谢。

请帮我解决这个错误。我需要将图像一张一张地放入一个循环中以转换为灰色并计算 HOG 特征。但是之前我需要一张一张地拍摄图像。