标签: histogram-of-oriented-gradients

我正在尝试实现这个版本的定向梯度直方图（HOG）。我的代码如下。我的代码中唯一的区别是我曾经opencv读取图像并将其转换为灰度。

import cv2
import matplotlib.pyplot as plt
from skimage.feature import hog
from skimage import data, color, exposure

filename = 'match1/hockey15.jpg'
im = cv2.imread(filename)
gr = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY) 

print im.shape
image = gr

fd, hog_image = hog(image, orientations=8, pixels_per_cell=(16, 16),
                    cells_per_block=(1, 1), visualise=True)

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(8, 4), sharex=True, sharey=True)

ax1.axis('off')
ax1.imshow(image, cmap=plt.cm.gray)
ax1.set_title('Input image')
ax1.set_adjustable('box-forced')

# Rescale histogram for better display
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 0.02))

ax2.axis('off')
ax2.imshow(hog_image_rescaled, cmap=plt.cm.gray)
ax2.set_title('Histogram of Oriented Gradients') …

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

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）。

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。

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）。

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。

谢谢。\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 …