最近要做圖像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor這個類來進(jìn)行封裝，其中也有現(xiàn)成的行人檢測的接口。

然而，無論是OpenCV官方說明文檔還是各個中英文網(wǎng)站目前都沒有這個類的使用說明，所以在這里把研究的部分心得分享一下。

????? 首先我們進(jìn)入HOGDescriptor所在的頭文件，看看它的構(gòu)造函數(shù)需要哪些參數(shù)。?

[cpp]?view plaincopyprint?

CV_WRAP?HOGDescriptor()?:?winSize(64,128),?blockSize(16,16),?blockStride(8,8),??

????cellSize(8,8),?nbins(9),?derivAperture(1),?winSigma(-1),??

????histogramNormType(HOGDescriptor::L2Hys),?L2HysThreshold(0.2),?gammaCorrection(true),???

????nlevels(HOGDescriptor::DEFAULT_NLEVELS)??

{}??

[cpp]?view plaincopyprint?

CV_WRAP?HOGDescriptor(Size?_winSize,?Size?_blockSize,?Size?_blockStride,??

??????????????Size?_cellSize,?int?_nbins,?int?_derivAperture=1,?double?_winSigma=-1,??

??????????????int?_histogramNormType=HOGDescriptor::L2Hys,??

??????????????double?_L2HysThreshold=0.2,?bool?_gammaCorrection=false,??

??????????????int?_nlevels=HOGDescriptor::DEFAULT_NLEVELS)??

:?winSize(_winSize),?blockSize(_blockSize),?blockStride(_blockStride),?cellSize(_cellSize),??

nbins(_nbins),?derivAperture(_derivAperture),?winSigma(_winSigma),??

histogramNormType(_histogramNormType),?L2HysThreshold(_L2HysThreshold),??

gammaCorrection(_gammaCorrection),?nlevels(_nlevels)??

{}??

[cpp]?view plaincopyprint?

CV_WRAP?HOGDescriptor(const?String&?filename)??

{??

????load(filename);??

}??

[cpp]?view plaincopyprint?

HOGDescriptor(const?HOGDescriptor&?d)??

{??

????d.copyTo(*this);??

}??

? 我們看到HOGDescriptor一共有4個構(gòu)造函數(shù)，前三個有CV_WRAP前綴，表示它們是從DLL里導(dǎo)出的函數(shù)，即我們在程序當(dāng)中可以調(diào)用的函數(shù)；最后一個沒有上述的前綴，所以我們暫時用不到，它其實(shí)就是一個拷貝構(gòu)造函數(shù)。

????? 下面我們就把注意力放在前面的構(gòu)造函數(shù)的參數(shù)上面吧，這里有幾個重要的參數(shù)要研究下：winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8), nbins(9)。上面這些都是HOGDescriptor的成員變量，括號里的數(shù)值是它們的默認(rèn)值，它們反應(yīng)了HOG描述子的參數(shù)。這里做了幾個示意圖來表示它們的含義。

??????窗口大小 winSize

????? 塊大小 blockSize

??????胞元大小 cellSize

??????梯度方向數(shù) nbins

????? nBins表示在一個胞元（cell）中統(tǒng)計梯度的方向數(shù)目，例如nBins=9時，在一個胞元內(nèi)統(tǒng)計9個方向的梯度直方圖，每個方向?yàn)?80/9=20度。

??????HOG描述子維度

??????在確定了上述的參數(shù)后，我們就可以計算出一個HOG描述子的維度了。OpenCV中的HOG源代碼是按照下面的式子計算出描述子的維度的。?

[cpp]?view plaincopyprint?

size_t?HOGDescriptor::getDescriptorSize()?const??

{??

????CV_Assert(blockSize.width?%?cellSize.width?==?0?&&??

????????blockSize.height?%?cellSize.height?==?0);??

????CV_Assert((winSize.width?-?blockSize.width)?%?blockStride.width?==?0?&&??

????????(winSize.height?-?blockSize.height)?%?blockStride.height?==?0?);??

????return?(size_t)nbins*??

????????(blockSize.width/cellSize.width)*??

????????(blockSize.height/cellSize.height)*??

????????((winSize.width?-?blockSize.width)/blockStride.width?+?1)*??

????????((winSize.height?-?blockSize.height)/blockStride.height?+?1);??

}??

參考文獻(xiàn)

????? OpenCV中的HOG算法來源于Histograms of Oriented Gradients for Human Detection, CVPR 2005。詳細(xì)的算法可以參考這個文章。

總結(jié)

以上是生活随笔為你收集整理的OpenCV HOGDescriptor 参数图解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。