如何改進線性支持向量機檢測的HOG檢測器？

Question

所以，我想從駕駛記錄儀錄製的視頻中檢測汽車。我讀了很多，做了很多研究，但還沒有完全掌握。我認爲使用帶有線性SVM的HOG描述符。但是以什麼方式使它更容易實現並且更強大，因爲這對我來說會是一種研究？ 我想將另一種技術/算法與HOG相結合，但仍然失去了一些。我在這方面很新穎。

任何幫助，非常感謝。我也接受其他更好的想法。

Answer 1

HOG（定向梯度直方圖）僅僅是一種可以從數據中計算出來的特徵向量。您可以在圖像中的每個像素處計算梯度矢量，然後將可能的角度分成離散數量的分箱。在給定的圖像子區域內，將指向給定方向的梯度的總量值添加爲包含該方向的相關角度區域的條目。

這會爲您留下一個長度等於您選擇用於劃分角度範圍的像素數量的矢量，並且可以用作非標準直方圖。

如果您想計算相同子區域的其他圖像特徵，例如像素總和，銳角或線條的某些度量值，顏色分佈的各個方面等，則可以計算多少個圖像特徵或者儘可能少地將它們排列成一個長矢量，並簡單地將該特徵矢量與HOG矢量連接起來。

您可能還想重複計算幾種不同比例級別的HOG矢量，以幫助捕捉一些比例變化，將每個比例特定的HOG矢量連接到整體特徵矢量上。還有其他的功能概念，如SIFT等，它們被創建爲自動考慮尺度不變性。

您可能需要進行一些規範化或縮放，您可以在任何標準SVM指南中閱讀這些規範化或縮放。標準LIBSVM guide是一個開始的好地方。

你必須小心地正確地組織你的特徵向量，因爲你可能會有大量的組件到特徵向量中，並且你必須確保它們總是被計算並放入相同的順序中並且精確地經過相同的縮放或歸一化處理。