Python+OpenCV|HoG特徴量

HoG特徴量
1. 大まかなアルゴリズム
Python
1. 出力結果
2. HOG特徴量で人検出
参考

HoG特徴量

大まかなアルゴリズム

入力画像の分割

入力画像を複数の”ブロック”に分割します。
各ブロックをさらに”セル”に分割します。

微分フィルター

入力画像を微分フィルターに掛けます。

勾配強度と勾配方向

微分画像から、勾配強度|I|と勾配方向θを求めます。

$$|I| = \sqrt{ I_x^2 + I_y^2 }$$

$$\theta = \arctan \displaystyle \frac{ I_y }{ Ix }$$

勾配方向の量子化

勾配方向を”９方向”に量子化します。

勾配方向ヒストグラムを計算

セルごとに勾配強度で重み付けして、勾配方向ヒストグラムを計算します。

特徴量計算

ブロックごとに正規化して、特徴量を計算します。

$$h(n) = \displaystyle \frac{ h(n) }{ H }$$

$$ H = \sqrt{ \displaystyle \sum h(k)^2 + \varepsilon }$$

Python

%matplotlib inline
import matplotlib.pyplot as plt
import cv2
from skimage.feature import hog
from skimage import data, exposure


img = cv2.imread('haruna_kankore.png')

fd, hog_image = hog(img, orientations=8, pixels_per_cell=(16, 16),
                    cells_per_block=(1, 1), visualize=True, multichannel=True)
hog_image_rescaled = exposure.rescale_intensity(hog_image, in_range=(0, 10))

plt.axis('off')
plt.imshow(hog_image_rescaled, cmap=plt.cm.gray)
plt.savefig('hog.png')