OpenCV HOG功能数据布局？

Question

我正在使用OpenCV的Directogram Gradients(HOG)的CPU版本.我使用32x32图像,4x4单元格,4x4块,块之间没有重叠,以及15个方向箱.OpenCV HOGDescriptor给了我一个长度为960的一维特征向量.这是有道理的,因为(32*32像素)*(15个方向)/(4*4个单元格)= 960.

但是,我不确定这些960号码是如何在内存中布局的.我的猜测就是这样:

vector<float> descriptorsValues =
[15 bins for cell 0, 0] 
[15 bins for cell 0, 1]
...
[15 bins for cell 0, 7]
....
[15 bins for cell 7, 0] 
[15 bins for cell 7, 1]
...
[15 bins for cell 7, 7]

当然,这是一个2D问题扁平化为1D,所以实际上看起来像这样:

[cell 0, 0] [cell 0, 1] ... [cell 7, 0] ... [cell 7, 7]

那么,我对数据布局有正确的想法吗？或者是别的什么？

---

这是我的示例代码:

using namespace cv;

//32x32 image, 4x4 blocks, 4x4 cells, 4x4 blockStride
vector<float> hogExample(cv::Mat img)
{
    img = img.rowRange(0, 32).colRange(0,32); //trim image to 32x32
    bool gamma_corr = true;
    cv::Size win_size(img.rows, img.cols); //using just one window
    int c = 4;
    cv::Size block_size(c,c);
    cv::Size block_stride(c,c); //no overlapping blocks
    cv::Size cell_size(c,c);
    int nOri = 15; //number of orientation bins

    cv::HOGDescriptor d(win_size, block_size, block_stride, cell_size, nOri, 1, -1,
                              cv::HOGDescriptor::L2Hys, 0.2, gamma_corr, cv::HOGDescriptor::DEFAULT_NLEVELS);

    vector<float> descriptorsValues;
    vector<cv::Point> locations;
    d.compute(img, descriptorsValues, cv::Size(0,0), cv::Size(0,0), locations);

    printf("descriptorsValues.size() = %d \n", descriptorsValues.size()); //prints 960
    return descriptorsValues;
}

---

相关资源: 这篇StackOverflow文章和本教程帮助我开始使用OpenCV HOGDescriptor.

Answer 1

我相信你的想法是正确的。

在其原始论文《人体检测的定向梯度直方图》（第 2 页）中，它说

[...] 检测器窗口平铺有重叠块的网格，其中提取定向梯度特征向量的直方图。[...]

[...] 使用密集（实际上是重叠）的 HOG 描述符网格平铺检测窗口，并使用组合特征向量 [...]

它所谈论的只是将它们平铺在一起。尽管没有介绍如何准确地将它们平铺在一起的详细信息。我想这里不应该发生什么奇特的事情（否则他们会谈论它），即只是定期连接它们（从左到右，从上到下）。

毕竟，这是合理且最简单的数据布局方式。

编辑：如果你看看人们如何访问和可视化数据，你会更加说服自己。

for (int blockx=0; blockx<blocks_in_x_dir; blockx++)
{
    for (int blocky=0; blocky<blocks_in_y_dir; blocky++)            
    {
        for (int cellNr=0; cellNr<4; cellNr++)
        {
            for (int bin=0; bin<gradientBinSize; bin++)
            {
                float gradientStrength = descriptorValues[ descriptorDataIdx ];
                descriptorDataIdx++;

                // ... ...

            } // for (all bins)
        } // for (all cells)
    } // for (all block x pos)
} // for (all block y pos)