Question

我写了一个分类器，现在想用它来检测图像。我的分类器已经有了我感兴趣的一些对象的HoG特征模型。我有滑动窗口的东西，它将以不同的比例滑过图像，我可以获得每个窗口的HoG功能。我的问题是 - 下一步是什么？

是否真的像将模型的HoG功能与窗口中的功能相匹配一样简单？我理解，对于整数图像，每个类都有一个阈值（例如face或not face），如果窗口生成的图像的计算值足够接近类的值并且没有'越过门槛，然后我们说我们有一场比赛。

但是它如何与HoG功能配合使用？

Answer 1

是的，就这么简单。拥有HOG模型和窗口后，您需要将窗口功能应用于模型。然后选择最佳结果（使用阈值与否，具体取决于您的应用程序）。

Here您有一个执行相同步骤的示例代码。关键部分如下：

function detect(im,model,wSize)
   %{
   this function will take three parameters
    1.  im      --> Test Image
    2.  model   --> trained model
    3.  wStize  --> Size of the window, i.e. [24,32]
   and draw rectangle on best estimated window
   %}

topLeftRow = 1;
topLeftCol = 1;
[bottomRightCol bottomRightRow d] = size(im);

fcount = 1;

% this for loop scan the entire image and extract features for each sliding window
for y = topLeftCol:bottomRightCol-wSize(2)   
    for x = topLeftRow:bottomRightRow-wSize(1)
        p1 = [x,y];
        p2 = [x+(wSize(1)-1), y+(wSize(2)-1)];
        po = [p1; p2];
        img = imcut(po,im);     
        featureVector{fcount} = HOG(double(img));
        boxPoint{fcount} = [x,y];
        fcount = fcount+1;
        x = x+1;
    end
end

lebel = ones(length(featureVector),1);
P = cell2mat(featureVector);
% each row of P' correspond to a window
[~, predictions] = svmclassify(P',lebel,model); % classifying each window

[a, indx]= max(predictions);
bBox = cell2mat(boxPoint(indx));
rectangle('Position',[bBox(1),bBox(2),24,32],'LineWidth',1, 'EdgeColor','r');
end

对于每个窗口，代码都会提取HOG描述符并将其存储在featureVector中。然后使用svmclassify代码检测对象所在的窗口。

实现滑动窗口分类器的HoG特征检测

1 个答案: