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:

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，我实际上正在移植一个现有的库(http://hogprocessing.altervista.org/从处理（java）到C++，但它仍然非常慢，检测至少需要16秒< /p> 有没有其他人成功地提取了HoG特征，你是如何处理的？你们有我可以使用的开源代码吗

---

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);