HOG特征提取之HOGDescriptor类

灰太狼 2022-05-14 01:56 192阅读 0赞

原文转自：[https://blog.csdn.net/qq\_26898461/article/details/46786285][https_blog.csdn.net_qq_26898461_article_details_46786285]

最近要做图像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装，其中也有现成的行人检测的接口。

然而，无论是OpenCV官方说明文档还是各个中英文网站目前都没有这个类的使用说明，所以在这里把研究的部分心得分享一下。

首先我们进入HOGDescriptor所在的头文件，看看它的构造函数需要哪些参数。

**\[cpp\]** [view plain][][copy][view plain]

1.  CV\_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),  
2.      cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),  
3.      histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true),   
4.      nlevels(HOGDescriptor::DEFAULT\_NLEVELS)  
5.  \{\}

**\[cpp\]** [view plain][][copy][view plain]

1.  CV\_WRAP HOGDescriptor(Size \_winSize, Size \_blockSize, Size \_blockStride,  
2.                Size \_cellSize, int \_nbins, int \_derivAperture=1, double \_winSigma=-1,  
3.                int \_histogramNormType=HOGDescriptor::L2Hys,  
4.                double \_L2HysThreshold=0.2, bool \_gammaCorrection=false,  
5.                int \_nlevels=HOGDescriptor::DEFAULT\_NLEVELS)  
6.  : winSize(\_winSize), blockSize(\_blockSize), blockStride(\_blockStride), cellSize(\_cellSize),  
7.  nbins(\_nbins), derivAperture(\_derivAperture), winSigma(\_winSigma),  
8.  histogramNormType(\_histogramNormType), L2HysThreshold(\_L2HysThreshold),  
9.  gammaCorrection(\_gammaCorrection), nlevels(\_nlevels)  
10. \{\}

**\[cpp\]** [view plain][][copy][view plain]

1.  CV\_WRAP HOGDescriptor(const String& filename)  
2.  \{  
3.      load(filename);  
4.  \}

**\[cpp\]** [view plain][][copy][view plain]

1.  HOGDescriptor(const HOGDescriptor& d)  
2.  \{  
3.      d.copyTo(\*this);  
4.  \}

我们看到HOGDescriptor一共有4个构造函数，前三个有CV\_WRAP前缀，表示它们是从DLL里导出的函数，即我们在程序当中可以调用的函数；最后一个没有上述的前缀，所以我们暂时用不到，它其实就是一个拷贝构造函数。

下面我们就把注意力放在前面的构造函数的参数上面吧，这里有几个重要的参数要研究下：winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8), nbins(9)。上面这些都是HOGDescriptor的成员变量，括号里的数值是它们的默认值，它们反应了HOG描述子的参数。这里做了几个示意图来表示它们的含义。

**窗口大小 winSize**

![0_129981025533pB.gif][]

**      块大小 blockSize**

![0_1299810322DuP6.gif][]

**胞元大小 cellSize**

![0_1299810389kQkY.gif][]

**梯度方向数 nbins**

nBins表示在一个胞元（cell）中统计梯度的方向数目，例如nBins=9时，在一个胞元内统计9个方向的梯度直方图，每个方向为180/9=20度。

**HOG描述子维度**

**      **在确定了上述的参数后，我们就可以计算出一个HOG描述子的维度了。OpenCV中的HOG源代码是按照下面的式子计算出描述子的维度的。

**\[cpp\]** [view plain][][copy][view plain]

1.  size\_t HOGDescriptor::getDescriptorSize() const  
2.  \{  
3.      CV\_Assert(blockSize.width % cellSize.width == 0 &&  
4.          blockSize.height % cellSize.height == 0);  
5.      CV\_Assert((winSize.width - blockSize.width) % blockStride.width == 0 &&  
6.          (winSize.height - blockSize.height) % blockStride.height == 0 );  
7.      return (size\_t)nbins\*  
8.          (blockSize.width/cellSize.width)\*  
9.          (blockSize.height/cellSize.height)\*  
10.         ((winSize.width - blockSize.width)/blockStride.width + 1)\*  
11.         ((winSize.height - blockSize.height)/blockStride.height + 1);  
12. \}

**参考文献**

OpenCV中的HOG算法来源于**Histograms of Oriented Gradients for Human Detection, CVPR 2005**。详细的算法可以参考这个文章。

[https_blog.csdn.net_qq_26898461_article_details_46786285]: https://blog.csdn.net/qq_26898461/article/details/46786285
[view plain]: http://blog.csdn.net/liulina603/article/details/8289540#
[0_129981025533pB.gif]: /images/20220514/9a5f05fb9fa7439c86c5e5109893999e.png
[0_1299810322DuP6.gif]: /images/20220514/335222af8272466d82fe6e188ccbbf3c.png
[0_1299810389kQkY.gif]: /images/20220514/a018fa2b43bf455da838edf4235e5b43.png