我在不同的灯光下有一些行人影像，其中一些很暗，很难被察觉。所以我试图找到一种方法来预处理这些图像，以提高检测率。到目前为止，我在考虑：
1）色彩校正算法，例如http://www.ipol.im/pub/art/2011/llmps-scb/或http://www.ipol.im/pub/art/2011/gl_lcc/
2）OpenCV的CLAHE
但是HOG的特征是“渐变”，即“相对差异”。那么这些方法在将HOG用作特征时真的有助于提高检测率吗？
任何建议都表示赞赏！
答案 0 :(得分：2)
根据我使用对象检测的经验，当您使用HoG描述符的正确规范化时，您描述的问题变得不那么重要了。 我不知道你正在使用哪种实现，所以我不知道使用了哪种规范化。
如果您为检测窗口计算HoG单元并全局归一化整个描述符（例如L2范数），那么您将受到照明变化的影响，因为对比度较大的对象区域将占据较低的区域对比。 如果您根据Dalal-Triggs和Felzenszwalb et al的建议对每个单元格块进行标准化，那么您将获得局部对比度标准化，这意味着行人有一半在阴影中，一半在光线下仍然会看起来＆＃39;就像HoG眼中的行人一样，每个街区都由更强的渐变（轮廓）支配。
如果这没有帮助，您可能需要使用更现代的刚体检测器，它使用额外的特征通道（例如颜色，纹理）。他们将HoG与这些通道相结合，并使用级联范例选择最适合您数据集的功能。这种方法的一个很好的例子是Benenson et al.
的工作