利用OpenCV提取HoG特征
我正在尝试使用OpenCV的HogAPI提取功能,但是我似乎找不到允许我这样做的API 我试图做的是使用HoG从我所有的数据集(一组正片和负片图像)中提取特征,然后训练我自己的SVM 我偷看了一下OpenCV下的HoG.cpp,但没用。所有代码都隐藏在复杂性和满足不同硬件(如英特尔IPP)需求的环境中 我的问题是:利用OpenCV提取HoG特征,opencv,computer-vision,feature-detection,object-recognition,feature-extraction,Opencv,Computer Vision,Feature Detection,Object Recognition,Feature Extraction,我正在尝试使用OpenCV的HogAPI提取功能,但是我似乎找不到允许我这样做的API 我试图做的是使用HoG从我所有的数据集(一组正片和负片图像)中提取特征,然后训练我自己的SVM 我偷看了一下OpenCV下的HoG.cpp,但没用。所有代码都隐藏在复杂性和满足不同硬件(如英特尔IPP)需求的环境中 我的问题是: 是否有OpenCV中的API可用于提取所有这些特征/描述符以输入SVM?如果有,我如何使用它来训练我自己的SVM 如果没有,是否有任何现有的库可以完成同样的任务 到目前为止,我实际上
提前感谢您可以在opencv中使用hog类,如下所示
HOGDescriptor hog;
vector<float> ders;
vector<Point> locs;
为grayImg
计算的HOG特征存储在ders
向量中,使其成为一个矩阵,稍后可用于训练
Mat Hogfeat(ders.size(), 1, CV_32FC1);
for(int i=0;i<ders.size();i++)
Hogfeat.at<float>(i,0)=ders.at(i);
希望它是有用的:)与上面的文章相比,我还编写了2 hog特性的程序。 我应用这种方法来检查ROI区域是否发生变化。 请参考这里的页面。
这也是GPU版本
cv::Mat temp;
gpu::GpuMat gpu_img, descriptors;
cv::gpu::HOGDescriptor gpu_hog(win_size, Size(16, 16), Size(8, 8), Size(8, 8), 9,
cv::gpu::HOGDescriptor::DEFAULT_WIN_SIGMA, 0.2, gamma_corr,
cv::gpu::HOGDescriptor::DEFAULT_NLEVELS);
gpu_img.upload(img);
gpu_hog.getDescriptors(gpu_img, win_stride, descriptors, cv::gpu::HOGDescriptor::DESCR_FORMAT_ROW_BY_ROW);
descriptors.download(temp);
OpenCV 3对用户使用GPU算法(即CUDA)的方式进行了一些更改,请参阅 要将用户3398689的答案更新为OpenCV 3,请执行以下截取代码:
#包括
#包括
[...]
/*假设在名为'src'的cv::Mat变量中加载一个图像*/
int img_宽度=320;
int img_高度=240;
int block_size=16;
int bin_编号=9;
cv::Ptr cuda_hog=cuda::hog::创建(尺寸(img_宽度、img_高度),
大小(块大小,块大小),
尺寸(块尺寸/2,块尺寸/2),
尺寸(块尺寸/2,块尺寸/2),
bin_编号);
/*以下命令是可选的:默认值适用*/
cuda_hog->setDescriptorFormat(cuda::hog::DESCR_FORMAT_COL_BY_COL);
cuda_hog->setGammaCorrection(真);
cuda_hog->setWinStride(尺寸(img_宽度、img_高度));
cv::cuda::GpuMat图像;
cv::cuda::GpuMat描述符;
上传图像(src);
/*可能不适用于您*/
/*CUDA HOG可处理强度(1通道)或BGRA(4通道)图像*/
/*下一个函数调用使用GPU将标准BGR图像转换为BGRA*/
cv::cuda::GpuMat图像_alpha;
cuda::cvtColor(图像,图像α,颜色BGR2BGRA,4);
cuda_hog->compute(图像α,描述符);
cv::Mat dst;
图像α下载(dst);
然后,您可以根据自己的喜好使用'dst'变量中的描述符,例如G453所建议的描述符。目前我无法测试它,因为XCode 4.4以某种方式破坏了大多数已安装的库。当我设法解决这个问题时,我会通知你,你可以使用简单的欧几里德距离作为匹配器……我编辑了答案,见上面的相同答案:)@Sistu谢谢,我最终可以提取特征,但我仍然需要输入我自己的支持向量机。我使用的是OpenCV 2.3.1,但在这个版本中我没有
HOGDescriptor::compute()
。您在回答这个问题时使用了哪个OpenCV版本?很抱歉,刚刚发现它也适用于OpenCV 2.3.1。我使用的是cv::gpu::HOGDescriptor
而不是cv::HOGDescriptor
。谢谢只有链接不能被接受为答案,请在您的答案中描述链接所需的部分。我认为此页面可以帮助您:
hog.blockSize = 16;
hog.cellSize = 4;
hog.blockStride = 8;
// This is for comparing the HOG features of two images without using any SVM
// (It is not an efficient way but useful when you want to compare only few or two images)
// Simple distance
// Consider you have two HOG feature vectors for two images Hogfeat1 and Hogfeat2 and those are same size.
double distance = 0;
for(int i = 0; i < Hogfeat.rows; i++)
distance += abs(Hogfeat.at<float>(i, 0) - Hogfeat.at<float>(i, 0));
if (distance < Threshold)
cout<<"Two images are of same class"<<endl;
else
cout<<"Two images are of different class"<<endl;
cv::Mat temp;
gpu::GpuMat gpu_img, descriptors;
cv::gpu::HOGDescriptor gpu_hog(win_size, Size(16, 16), Size(8, 8), Size(8, 8), 9,
cv::gpu::HOGDescriptor::DEFAULT_WIN_SIGMA, 0.2, gamma_corr,
cv::gpu::HOGDescriptor::DEFAULT_NLEVELS);
gpu_img.upload(img);
gpu_hog.getDescriptors(gpu_img, win_stride, descriptors, cv::gpu::HOGDescriptor::DESCR_FORMAT_ROW_BY_ROW);
descriptors.download(temp);
#include <opencv2/core/cuda.hpp>
#include <opencv2/cudaimgproc.hpp>
[...]
/* Suppose you load an image in a cv::Mat variable called 'src' */
int img_width = 320;
int img_height = 240;
int block_size = 16;
int bin_number = 9;
cv::Ptr<cv::cuda::HOG> cuda_hog = cuda::HOG::create(Size(img_width, img_height),
Size(block_size, block_size),
Size(block_size/2, block_size/2),
Size(block_size/2, block_size/2),
bin_number);
/* The following commands are optional: default values applies */
cuda_hog->setDescriptorFormat(cuda::HOG::DESCR_FORMAT_COL_BY_COL);
cuda_hog->setGammaCorrection(true);
cuda_hog->setWinStride(Size(img_width_, img_height_));
cv::cuda::GpuMat image;
cv::cuda::GpuMat descriptor;
image.upload(src);
/* May not apply to you */
/* CUDA HOG works with intensity (1 channel) or BGRA (4 channels) images */
/* The next function call convert a standard BGR image to BGRA using the GPU */
cv::cuda::GpuMat image_alpha;
cuda::cvtColor(image, image_alpha, COLOR_BGR2BGRA, 4);
cuda_hog->compute(image_alpha, descriptor);
cv::Mat dst;
image_alpha.download(dst);