Histogram zorientowanych gradientów

Po lewej stronie oryginał i po prawej stronie HOG obliczony i zwizualizowany za pomocą obrazu Scikit

Histogram ukierunkowanych gradientów (HOG) jest narzędziem do ekstrakcji cech w przetwarzaniu obrazu . Służy w szczególności do wykrywania ludzi na zdjęciach. W pracy w Udacity w 2017 roku na filmie zademonstrowano zastosowanie wykrywania poruszających się pojazdów. Do rozpoznawania obiektów zawsze wymagany jest proces szkoleniowy. Rozmiar zbioru danych uczących ma wpływ na jakość rozpoznawania obiektów. W HOG to szkolenie wymaga znacznie mniejszej liczby przykładów i można je przeprowadzić znacznie szybciej niż np. B. wykonać falkami Haar .

Podstawową ideą jest to, że wygląd i kształt obiektów na zdjęciu można przedstawić za pomocą rozkładu miejscowego natężenia lub układu krawędzi, nawet bez szczegółowej wiedzy o położeniu krawędzi lub narożników. Obraz jest zatem dzielony na podobszary, a orientacje wszystkich krawędzi są określane dla każdego podobszaru, a ich liczba jest zapisywana jako histogram.

Innym zastosowaniem jest to, że w ten sposób można określić podobieństwo między różnymi obrazami - podobnie jak w przypadku niezmiennej skali transformacji cech (SIFT).

Robert K. McConnell opisał podstawową metodę w patencie już w 1986 r., Koncepcja i nazwa „Histogram zorientowanych gradientów” stała się znana dzięki publikacji Navneeta Dalala i Billa Triggsa w 2005 r., Która była wówczas w Institut national de recherche Badania w informatique et en automatique .

oprogramowanie

Wizualizacja wyszkolonego detektora HOG do rozpoznawania twarzy utworzona za pomocą Dlib.

W wolnym oprogramowaniu - biblioteki do przetwarzania obrazu, takie jak Scikit-image , OpenCV i Dlib zawierają metody obliczania HOG.

literatura

  • Dalal, Navneet; Triggs, Bill. Histogramy zorientowanych gradientów do wykrywania ludzi. W: Computer Vision and Pattern Recognition, 2005. CVPR 2005. Konferencja IEEE Computer Society nt. IEEE, 2005. s. 886–893. doi : 10.1109 / CVPR.2005.177

Indywidualne dowody

  1. ↑ a b Navneet Dalal i Bill Triggs: Histograms of Oriented Gradients for Human Detection. Źródło 5 stycznia 2019 r .
  2. ↑ Mithi: Wykrywanie pojazdów za pomocą HOG i liniowej SVM. W: Towards Data Science. 28 marca 2017, obejrzano 5 stycznia 2019 .
  3. ^ Mithi Sevilla: Potok wykrywania i śledzenia pojazdów z OpenCV, histogramem zorientowanych gradientów (HOG) i maszynami wektorów nośnych (SVM). W: GitHub . 25 grudnia 2018, obejrzano 5 stycznia 2019 .
  4. ↑ Davis King: Wydano Dlib 18.6: Stwórz własny wykrywacz obiektów! 3 lutego 2014, dostęp 7 stycznia 2019 .
  5. ^ Robert K. McConnell: Metoda i aparat do rozpoznawania wzorców . W: Patent US4567610A . 22 lipca 1982 r. (Angielski, google.com [dostęp 5 stycznia 2019 r.]).
  6. ^ Histogram zorientowanych gradientów. W: scikit-image - docs. Źródło 5 stycznia 2019 r .
  7. ↑ HOGDescriptor Struct Reference. W: OpenCV. Źródło 5 stycznia 2019 r .
  8. ^ Histogram zorientowanych gradientów. W: Dowiedz się OpenCV. Źródło 5 stycznia 2019 r .
  9. ^ Przetwarzanie obrazu. W: dlib C ++ Library. Źródło 5 stycznia 2019 r .