[發(fā)明專利]一種基于規(guī)則化模板的HOG特征提取方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810477502.1
• 申請(qǐng)日: 2018-05-18
• 公開（公告）號(hào): CN108734178A
• 公開（公告）日: 2018-11-02
• 發(fā)明（設(shè)計(jì)）人: 潘曄;董鋒;邵懷宗;胡全;管慶;王文欽;陳慧
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46
• 代理公司: 成都正華專利代理事務(wù)所(普通合伙) 51229
• 代理人: 李蕊;李林合

本發(fā)明公開了一種基于規(guī)則化模板的HOG特征提取方法，通過設(shè)置Cell大小、Block大小以及每次Block移動(dòng)的步長(zhǎng)的相互關(guān)系，確定HOG特征提取規(guī)則化模板進(jìn)行HOG特征的提取，能夠很好地指導(dǎo)研究人員進(jìn)行HOG特征值的提取和計(jì)算，節(jié)省了研究人員調(diào)整模型的時(shí)間，并且使得最終的結(jié)果比較準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明屬于計(jì)算機(jī)視覺和圖像處理技術(shù)領(lǐng)域，具體涉及一種基于規(guī)則化模板的HOG特征提取方法的設(shè)計(jì)。

背景技術(shù)

方向梯度直方圖(Histogram of Oriented Gradient，HOG)特征是一種在計(jì)算機(jī)視覺和圖像處理中用來進(jìn)行物體檢測(cè)的特征描述子。在圖像識(shí)別尤其在行人檢測(cè)中，HOG特征與SVM分類器廣泛結(jié)合，獲得了極大的成功。

在提取HOG特征的過程中，有很多參數(shù)需要研究人員根據(jù)任務(wù)的具體要求去設(shè)計(jì)和調(diào)試，但是卻沒有一套能夠指導(dǎo)或者遵循的規(guī)則來完成這些工作。因?yàn)閰?shù)較多，得到較好的模型就需要研究人員花費(fèi)很多時(shí)間去調(diào)試與修改參數(shù)，而且由于沒有十分有效的調(diào)試、修改方法，最終得到的結(jié)果可能也不理想。

發(fā)明內(nèi)容

本發(fā)明的目的是為了解決現(xiàn)有的HOG特征提取方法耗時(shí)過長(zhǎng)而且結(jié)果不一定準(zhǔn)確的問題，提出了一種基于規(guī)則化模板的HOG特征提取方法。

本發(fā)明的技術(shù)方案為：一種基于規(guī)則化模板的HOG特征提取方法，包括以下步驟：

S1、根據(jù)圖像檢測(cè)任務(wù)的復(fù)雜度選取圖像檢測(cè)塊的大小，得到圖像檢測(cè)塊。

S2、對(duì)圖像檢測(cè)塊進(jìn)行像素重分布處理。

對(duì)圖像檢測(cè)塊的像素值等比例縮放，使得像素平均值為128。

S3、采用圖像邊緣提取算子(如Roberts算子、Sobel算子、Prewitt算子、Canny算子或Log算子)提取圖像檢測(cè)塊的邊緣，得到圖像邊緣圖。

S4、根據(jù)圖像檢測(cè)塊的大小確定HOG特征提取規(guī)則化模板。

對(duì)HOG特征提取的Cell大小、Block大小以及每次Block移動(dòng)的步長(zhǎng)進(jìn)行規(guī)則化，得到HOG特征提取規(guī)則化模板，具體設(shè)置為：

Cell大小設(shè)置為能夠被圖像檢測(cè)塊的高和寬整除，Block大小設(shè)置為3*3個(gè)Cell大小，每次Block移動(dòng)的步長(zhǎng)設(shè)置為Cell大小的整數(shù)倍，且小于Block大小(例如設(shè)置為一個(gè)Cell大小)。

S5、采用HOG特征提取規(guī)則化模板對(duì)圖像邊緣圖進(jìn)行劃分，并提取HOG特征。

本發(fā)明的有益效果是：本發(fā)明提供的基于規(guī)則化模板的HOG特征提取方法能夠很好地指導(dǎo)研究人員進(jìn)行HOG特征值的提取和計(jì)算，節(jié)省了研究人員調(diào)整模型的時(shí)間，并且使得最終的結(jié)果比較準(zhǔn)確。

附圖說明

圖1所示為本發(fā)明實(shí)施例提供的一種基于規(guī)則化模板的HOG特征提取方法流程圖。

具體實(shí)施方式

現(xiàn)在將參考附圖來詳細(xì)描述本發(fā)明的示例性實(shí)施方式。應(yīng)當(dāng)理解，附圖中示出和描述的實(shí)施方式僅僅是示例性的，意在闡釋本發(fā)明的原理和精神，而并非限制本發(fā)明的范圍。

本發(fā)明實(shí)施例提供了一種基于規(guī)則化模板的HOG特征提取方法，如圖1所示，包括以下步驟：

S1、根據(jù)圖像檢測(cè)任務(wù)的復(fù)雜度選取圖像檢測(cè)塊的大小，即H*W(高*寬)，得到圖像檢測(cè)塊。

本發(fā)明實(shí)施例中的圖像為灰度圖，通常圖像檢測(cè)任務(wù)越復(fù)雜，對(duì)象形變?cè)蕉啵瑘D像檢測(cè)塊越大。例如：檢測(cè)行人時(shí)，圖像檢測(cè)塊典型值可選擇56*20大小；檢測(cè)車輛時(shí)，圖像檢測(cè)塊典型值可選擇25*30大小。另外，若訓(xùn)練數(shù)據(jù)集足夠大，且要求精度較高，可選取較大的圖像檢測(cè)塊。