专栏首页文武兼修ing——机器学习与IC设计HoG特征SVM物品识别系统系统架构代码实践

HoG特征SVM物品识别系统系统架构代码实践

系统架构

structure.png

该系统仍然是基于滑动框+传统机器学习的目标识别系统,分为两个主要部分:

  • HoG特征提取:从滑动框中提取出的子图中提取HoG特征
  • 支持向量机(SVM):以子图的HoG特征为输入,判断该子图中是否有物品

HoG特征

该系统的最大贡献为提出基于梯度的HoG(locally normalized Histogram of Oriented Gradient)特征,该特征的计算流程分为5步,分别如下所示:

hog.png

归一化

归一化目的是去除光线的影响,gamma校正的公式如下所示: y(x,y) = I(x,y)^{gamma} 原论文尝试了多种输入方法,包括灰度图像和彩色图像与是否gamma校正的组合,由于这一步对最终结果影响很小,因此最终默认为使用彩色输入,不进行gamma校正。

梯度计算

梯度的计算使用相邻或不相邻的像素值相减获得,两个方向的梯度和计算出整体梯度的角度和模。原论文尝试了多种计算方法,最终使用的计算方法如下所示:

$$
grad_x(x,y) = I(x+1,y) - I(x-1,y) \\
grad_y(x,y) = I(x,y+1) - I(x,y-1) \\
||grad(x,y)|| = \sqrt{grad_x(x,y)^2 + grad_y(x,y)^2} \\
grad_{\theta}(x,y) = arctan(\cfrac{grad_y(x,y)}{grad_x(x,y)})
$$

其中grad_x(x,y)和grad_y(x,y)的计算方法分别是与及其[-1,0,1]转置与这一步的输入图片卷积。若输入图片的输入通道不为1,那么将其所有通道的数据组合到一个向量中。

直方特征统计

该步骤是引入非线性的关键步骤,该步骤是基于一种被称为cell的结构,一个cell由一个正方形的块覆盖的像素组成,论文中使用的cell尺寸为4x4。对于一个cell中的所有像素统计一种直方图,该直方图的横轴为梯度方向,纵轴为梯度模,如下图所示:

hog_binning.png

角度落在相同区间的梯度的模累加,作为该区间的结果。上图为0~180度分为4个区域的划分,最终产生四个数据,分别是角度落在四个角度区域的梯度的模之和。原论文中,角度区域的划分方法对最终结果有一定的影响,最终试验后使用0~180度划分9个区域的划分方法(每个20度),每个cell产生9个数据。

特征归一化

特征的归一化基于block结构,该结构由一些cell组成,分为R-HoG和C-HoG两种。其中R-HoG应用较多,由相邻的构成方形的cell,block可以相互重叠,可以参考重叠的池化。C-HoG的block为圆形,未能找到资料,且论文描述较含糊。属于一个block的所有cell的数据组成一个向量。

标准化中,基于block的标准化使用cell组成的向量标准化,可以使用L2-Hys,L2标准化和带开方的L1标准化。L1与L2标准化如下所示:

$$
L1:v = \sqrt{\cfrac{v}{||v||_1 + e}} \\
L2:v = \cfrac{v}{\sqrt{||v||_2^2+e}}
$$

其中v为待标准化向量,e为为了防止除0的很小的常数。L2-Hys标准化首先进行L2标准化,对结果进行截短,再进行L2标准化,以上所述的标准化方法对结果影响均不大,论文中使用L2-Hys标准化。

除了这种标准化方式,论文中还提到了基于周围cell的标准化方式,但效果不佳。

组合特征

特征计算完成后,将所有block特征组合为一个向量,该向量即为后端SVM的输入。

SVM(支持向量机)

使用支持向量机判断候选框中是否有物品,支持向量机的输入为组合成向量的HoG特征,输出为是否是待检测物品。

代码实践

import cv2


def detectFaces(img):
    hog = cv2.HOGDescriptor()
    if img.ndim == 3:
        gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    else:
        gray = img

    faces, _ = hog.detectMultiScale(
        gray)
    print(faces)
    result = []
    for (x, y, width, height) in faces:
        result.append((x, y, x + width, y + height))
    return result


def drawFaces(img, draw, color=(255, 0, 0)):
    for (x1, y1, x2, y2) in draw:
        cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
    return img

if __name__ == '__main__':
    cap = cv2.VideoCapture(0)
    while(1):
        # get a frame
        ret, frame = cap.read()

        frame_face1 = detectFaces(frame)
        # frame_face2 = detectFaces(
        #     frame, "./haarcascades/haarcascade_profileface.xml")
        # frame_eye = detectFaces(
        #     frame, "./haarcascades/haarcascade_mcs_nose.xml")
        # frame_nose = detectFaces(
        #     frame, "./haarcascades/haarcascade_mcs_rightear.xml")

        frame = drawFaces(frame, frame_face1)
        # frame = drawFaces(frame, frame_face2, (0, 255, 0))
        # frame = drawFaces(frame, frame_eye, (0, 0, 255))
        # frame = drawFaces(frame, frame_nose, (255, 0, 255))

        cv2.imshow("capture", frame)
        if cv2.waitKey(1) == 0:
            break

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 表的应用——排序与描述多项式排序多项式ADTGO语言笔记

    排序 朴素排序 在链表建立的过程中可以直接完成排序功能,即建立一个新链表并将源数据一个一个存进新链表中,每个元素存储的位置在小于这个元素的节点和大于这个元素的节...

    月见樽
  • 目标检测技术指标mAP:识别准确率IOU:检测效果

    月见樽
  • Python解决大规模二进制数据错位问题描述解决方法实验代码最终代码

    问题描述 有一些二进制数据,每八位按顺序存为一个十进制数保存成CSV文件,每行为一个二进数数据,每个单元格均为一个十进制数。若数据为0000 0001 1000...

    月见樽
  • iframe内存释放

    Ext 核心开发人员Jack的回答是,TabPanelItem在关闭时并不会对自定义到tab中的元素做特殊处理,这部分工作必须在控件外来完成。另一方面, 相关资...

    河岸飞流
  • 单独设置UIView的坐标x或y或width或height

    版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/u010105969/article/details/...

    用户1451823
  • Android集成zxing扫码框架功能

    我们知道zxing是一个强大的处理二维码和条形码等的开源库,本篇文章记录一下自己在项目中集成zxing开源库的过程。

    砸漏
  • 【tkinter系列 第十二课 Frame和Scrollbar窗口部件 】

    python中通常我们写程序,显示结果和操作都是在终端区,如果要想实现一个有显示界面的程序那该怎样实现呢?python中有好几个库都可以实现,这个系列我们一起来...

    用户7054460
  • 基于zxing的二维码扫描

    现在的应用中二维码扫描已经成为一个应用必不可少的功能,现在大部分Android二维码扫描都是基于zxing和Zbar,这文章就来介绍一下基于zxing的二维码扫...

    g小志
  • 10行python代码制作笑死人不偿命的倒放gif

    现在网络平台上各种有很多倒放视频和倒放gif,其中有些非常的有意思,例如以下图片,慎点,笑死人行哥不偿命

    行哥玩Python
  • OpenCV寻找火花交叉点解决方案

    采用接地装置暂态特性的时域电网络模型对变电站集中接地装置与接地网互连/独立时,变电站地网上暂态电位升进行仿真计算,评估变电站地网电位升对变压器中性点的反击风险,...

    AI算法与图像处理

扫码关注云+社区

领取腾讯云代金券