图像特征提取三大法宝:HOG特征,LBP特征,Haar特征

https://www.cnblogs.com/zhehan54/p/6723956.html

HOG 特征 计算
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第1张图片
如上图所示,hog 特征分为四步,1 模块划分2梯度方向模板3 bin投影 4 每个模块hog
1 模块中 蓝色为win 红色为block 绿色为cell
image≥win>block≥cell 他们的大小

win可以image中滑动 block可以在win中滑动 都有步长 而 cell不在block 中滑动,直接就是 几个放置,cell中有bin

1 win 大小官方推荐 64128
2 block 小于win 但是win是block 整数倍 16
16
3block 滑动step 为88
4 计算滑动步长 为((64-16)/8+1)
((64-16)/8+1)
5cell 大小为88
6 block 中有 16
16 /(88)=22 个cell

图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第2张图片
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第3张图片
针对bin 其 为角度内的数据 ,40度为一个范围,其在360范围内即为 有9个,则HOG特征在整体范围内即为 105(block)*4(cell)*9(bin)=3780个特征

bin计算类似haar特征
计算如上所示,有数据和角度。
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第4张图片
针对其数据为在0-20 和180-200为一个区间 其数据如图所示。也可以用f1=。。之类方法计算

图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第5张图片
block 每个里面有cell
每个cell 里面有bin
计算每个cell里面bin时候按着像素一个一个遍历,然后再把所有的作和 求取同一个cell中所有的bin之和。

图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第6张图片

在每个cell中间的间隔上的像素点 会存在 同时有两个 或者四个cell需要使用的像素点,进行相关计算即可。
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第7张图片
这为HOG和SVM 结合识别 最终判断公式

HAAR特征
图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第8张图片图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第9张图片图像特征提取三大法宝:HOG特征,LBP特征,Haar特征_第10张图片

你可能感兴趣的:(opencv,深度学习)