HOG特徵

來自專欄計算機視覺論文閱讀筆記5 人贊了文章

HOG全稱histogram of oriented gradients.如果翻譯成中文就是方向梯度直方圖。它可以用來表示圖像的物體特徵，因此能夠檢測出這類物體。

文章的內容將按照兩部分進行，如果只對HOG的詳細計算過程感興趣可以直接跳到第二部分進行閱讀。

  1. 論文筆記
  2. HOG實例講解

一.論文筆記

論文鏈接：Histogram of oriented gradients for human detection

這是一篇2005年CVPR論文，使用HOG+SVM做行人檢測。

不過我都這篇文章的時候感覺不是很懂，對裡面的細節都不是很清楚，可能是缺乏圖像處理這一塊的背景知識導致的。所以我只寫一下文章的大概內容以及我的看法吧。

1.文章內容

這篇文章的主要貢獻是提出了一個有效的提取行人特徵方法，使用線性SVM模型作為分類器，對比了目前主流的特徵描述子方法，做了大量的實驗得出合適的系統參數，以及公佈了一個更大的行人檢測資料庫。

這是HOG+SVM的工作流程。首先對輸入的圖片進行預處理，然後計算像素點的梯度值，然後形成梯度直方圖，然後對blocks進行normalize，最後收集到HOG feature（其實是一行高維的vector）放到SVM裏進行監督學習，從而實現行人的檢測。

作者使用了兩個數據集來測試，一個是MIT pedestrian database，還有一個是自己提出的測試集」INRIA「。其中INRIA數據集擁有更多更複雜的數據圖像。

以SVM分類器作為基礎，作者做了大量實驗來對比不同特徵提取方法，包括廣義Haar wavelets/PCA-SIFT/Shape Contexts。實驗表明，HOG具有很大的優越性。

作者做了大量的實驗來選擇系統參數，得到最好的系統性能表現。其中包括對圖像進行Gamma normalization/gradient的計算方法/cell大小/block大小/bin大小/不同的SVM等作了對比實驗。

2.我的感想

我很佩服作者提出的HOG這個想法。作者會想到對於行人檢測來說，圖像梯度是一個很重要的信息。利用圖像梯度，就可以只關注邊角信息，以此勾勒出的人的模樣還是可以分辨出來。

同時，作者的實驗也做得很充分，僅僅八頁就重點講解了特徵提出的方法，而對SVM則粗描淡寫。但是我還是看不懂HOG的提取計算過程，不過我通過查找其他資料，知道了HOG的細節。

二. HOG實例講解(以下所有的系統參數都是按照上述論文實驗得出的最佳結果確定的)

  1. 圖像預處理

包括伽馬校正和灰度化。這是可選的步驟，因為實驗證明做不做影響不大。伽馬校正是減少光度對實驗的影響。灰度化是將彩色圖片變成灰度圖。其實彩色圖片也可以直接處理。不過是分別對三通道的顏色值進行梯度計算，最後選擇梯度最大的那個。為簡單起見，假設輸入為灰度圖，同時大小是64*128（這個大小是上面論文的大小，也可以自己確定不同的大小，但是實驗效果就不能得到保證）。

2.計算每一個像素點的梯度值，得到梯度圖（規模和原圖大小一樣）

對於像素點A，要計算水平梯度和豎直梯度，如上圖，水平梯度 g_x =30-20=10,豎直梯度 g_y =64-32=32.

那麼總的梯度強度值g和梯度方向 heta 將按照以下公式計算：

g=sqrt{g_x^2+g_y^2}

heta=arctan{frac{g_x}{g_y}}

梯度方向將會取絕對值，因此梯度方向的範圍是0-180度。取絕對值的原因是這樣效果更好。

3.計算梯度直方圖

按照第二步的計算，每一個像素點都會有兩個值：梯度強度/梯度方向。

現在就計算梯度直方圖，這是一個關鍵步驟也是HOG能夠work的原因。

梯度直方圖是在一個8*8的cell裡面計算的。那麼在8*8的cell裡面就會有8*8*2=128個值，2是包括了梯度強度和梯度方向。通過統計形成梯度直方圖，128個值將會變成9個值，大大降低了計算量，同時又對光照等環境變化更加地robust。

首先，我將0-180度分成9個bins，分別是0，20，40...160。然後統計每一個像素點所在的bin。請看下圖：

左上圖是8*8的梯度方向值，右上圖是8*8的梯度強度值，下圖是9個bins。

先看兩個藍色圈圈。因為藍圈的方向是80度，大小是2，所以該點就投給80這個bin；

再看兩個紅色圈圈。因為紅色圈圈的方向是10，大小是4，因為10距離0點為10，距離20點為也為10，那麼有一半的大小是投給0這個bin，還有一半的大小（即是2）投給20這個bin。

那麼統計完64個點的投票數以後，每個bin就會得到一個數值，可以得到一個直方圖，在計算機裡面就是一個大小為9的數組。

從上圖可以看到，更多的點的梯度方向是傾向於0度和160度，也就是說這些點的梯度方向是向上或者向下，表明圖像這個位置存在比較明顯的橫向邊緣。因此HOG是對邊角敏感的，由於這樣的統計方法，也是對部分像素值變化不敏感的，所以能夠適應不同的環境。

4. 對16*16大小的block歸一化

歸一化的目的是降低光照的影響。

歸一化的方法是向量的每一個值除以向量的模長。

比如對於一個（128，64，32）的三維向量來說，模長是 sqrt{128^2+64^2+32^2}=146.64

那麼歸一化後的向量變成了（0.87，0.43，0.22）

那麼16*16大小的block是怎麼來的？

請看下圖：

綠色方塊是8*8大小的cell，藍色方塊就是由4個cell組成的block。作者提出要對block進行normalize。那麼由於一個cell就會有大小為9的vector，四個cell就有36大小的vector。對block進行normalize就是對這大小為36的vector進行歸一化。

而每一個block將按照上圖籃框移動的方式進行迭代截取。

5.得到HOG特徵向量

每一個16*16大小的block將會得到36大小的vector。那麼對於一個64*128大小的圖像，按照上圖的方式提取block，將會有7個水平位置和15個豎直位可以取得，所以一共有7*15=105個block，所以我們整合所有block的vector，形成一個大的一維vector的大小將會是36*105=3780。

得到HOG特徵向量，就可以用來可視化和分類了。對於這麼大的HOG特徵，SVM就排上用場了。

文章就寫到這裡，謝謝閱讀。

reference：

1.histogram-of-oriented-gradients

2.youtube.com/watch?


推薦閱讀：
查看原文 >>
相關文章