Dlib: fhog_object_detector_ex

目标

• 在给定数据集上，使用hog+svm方法建立一个detector做目标检测

算法流程

• 建立训练集和测试集
• 数据预处理
• 提取hog特征
• svm进行分类

数据预处理

• pyramid down
  -- 目标：图像的多尺度表示
  -- 方法：高斯金字塔和拉普拉斯金字塔。结合降采样和平滑滤波，对图像进行多尺度表示。对于降维的方法，就是使用高斯核对图像进行卷积，然后删掉偶数列，这样就得到了原来图像1/4的图像，循环做这样的操作，就得到了图像金字塔。对于升维的方法，使用类似的方法进行卷积，然后将现有图像的每个维度扩大为原来的两倍，扩大的行和列用0填充，然后用指定的滤波器进行卷积去估计“丢失”的像素。
• mirrored version
  -- 方法：将图像进行左右翻转，获得对称图像，以得到double数据集。

提取hog特征

• 基本思想：在一幅图像中，局部目标的apperance和shape 可以被边缘梯度或者概率密度很好的表示出来。
• 实现细节：
  -- 将图像进行灰度化
  -- 将图像进行gamma校正，其实就是颜色空间的归一化，这样就降低了局部空间对比度，减少光照和其他噪音的影响
  -- 将图像分成一个个小cell，对每个cell求梯度分布
  -- 将cell组合成block，将每个cell的特征向量串联起来
  -- 具体实现细节见博客：http://blog.csdn.net/zouxy09/article/details/7929348

SIFT特征

• sift主要用来像素点之间的匹配关系，两个图片之间相应位置的检测，否则因为要对每个点进行匹配，时间复杂度太高