定向梯度直方图（HOG）描述符的最小图像尺寸是多少？

Question

我正在尝试使用 SVM-HOG 管道在 python 中使用 OpenCV 进行行人检测。

\n

我有很多不同尺寸的图像，有些很小（例如21\xc3\x9732），有些较大（例如127\xc3\x97264）。

\n

我首先将我的 HOG 描述符定义为hog = cv2.HOGDescriptor()\n当我通过调用计算 HOG 特征时，h = hog.compute(image)我发现当图像小于 64*128 时，描述符将无法计算特征，相反，它只是终止程序。

\n

原始论文使用了 64*128 大小的图像，但我认为它还指出可以使用具有相同长宽比（1:2）的图像（如果我错了，请纠正我）。

\n

我的问题是 64*128 是 HOG 描述符可以计算特征的最小尺寸吗？因为我尝试在调整为 32*64 的图像上计算 HOG 特征，但它不起作用。

\n

谢谢。\n

\n

for entries in os.listdir(dir_path):\n    if entries.endswith(".jpg"):\n        img = cv2.imread(os.path.join(test_path, entries))\n        rects, scores = hog.detectMultiScale(img, winStride=(4,4), padding=(8,8), scale=1.05)\n        sc = [score[0] for score in scores]\n        for i in range(len(rects)):\n            r = rects[i]\n            rects[i][2] = r[0]+r[2]\n            rects[i][3] = r[1]+r[3]\n        pick =[]\n        pick = non_max_suppression(rects, probs = sc, overlapThresh = 0.3)\n        for (x,y,w,h) in pick:\n            cv2.rectangle(img, (x, y), (w, h), (0, 255, 0), 1)    \n        cv2.imshow("A",img)\n

\n

\n