前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >HOG目标检测

HOG目标检测

作者头像
裴来凡
发布2022-05-29 09:02:47
7730
发布2022-05-29 09:02:47
举报
文章被收录于专栏:图像处理与模式识别研究所
代码语言:javascript
复制
import cv2
import numpy as np
import matplotlib.pylab as pylab
img=cv2.imread('C:/Users/xpp/Desktop/Lena.png')#原始图像
hog=cv2.HOGDescriptor()#HOG描述子
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())#SVM分类器
(foundBoundingBoxes,weights)=hog.detectMultiScale(img,winStride=(2,2),padding=(8,8),scale=1.02,finalThreshold=0)
print(len(foundBoundingBoxes))
imgWithRawBboxes=img.copy()
for (hx,hy,hw,hh) in foundBoundingBoxes:
    cv2.rectangle(imgWithRawBboxes,(hx,hy),(hx+hw,hy+hh),(0,0,255),1)
pylab.figure(figsize=(20,12))
imgWithRawBboxes=cv2.cvtColor(imgWithRawBboxes,cv2.COLOR_BGR2RGB)
pylab.imshow(imgWithRawBboxes,aspect='auto') 
pylab.axis('off')
pylab.show()

11

算法:HOG目标检测是通过在测试图像上重复地进入一个64像素宽、128像素高的窗口并计算HOG描述符来完成的。由于HOG计算不包含尺度的内在意义,且目标可以出现在一幅图像的多个尺度中,因此HOG计算在尺度金字塔的每一层上是逐步重复的。尺度金字塔中每一层之间的尺度因子通常在1.05和1.2之间,图像重复地按尺度缩小,直到尺度的源帧不再能容纳完整的HOG窗口。如果SVM分类器以任何尺度预测检测目标,则返回相应的边界框。这种技术比Viola-Jones目标检测更精确,但计算上更复杂。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-05-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 图像处理与模式识别研究所 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档