文章目录
- 1.HoG
-
- 1.1 原理概述
-
- 1.1.1 实现过程
- 1.1.2 具体步骤
-
- (1). 图像标准化
- (2). 图像平滑(视情况而定)
- (3). 梯度大小和方向计算
- (4). 计算梯度方向的直方图
- (5). 对block归一化
- (6). 样本HoG特征提取
- (7)、行人检测HOG+SVM
- 1.2 python代码实现
- 1.3 代码小技巧
-
- 1.3.1 lamda函数
- 1.3.2 extend用法
1.HoG
(Histogram of Oriented Gradient)
1.1 原理概述
1.1.1 实现过程
1.1.2 具体步骤
(1). 图像标准化
是否需要进行标准化，取决于训练集的训练效果
- 1
γ<1在低灰度值区域内，动态范围变大，图像对比度增加强；在高灰度值区域，动态范围变小，图像对比度降低，同时，图像的整体灰度值变大；
γ>1在低灰度值区域内，动态范围变小，图像对比度降低；在高灰度值区域，动态范围变大，图像对比度提高，同时，图像的整体灰度值变小；
作者在他的博士论文里有提到，对于涉及大量的类内颜色变化，如猫，狗和马等动物，没标准化的RGB图效果更好，而牛，羊的图做gamma颜色校正后效果更好。
是否用gamma校正得分析具体的训练集情况。
- 1
- 2
为了减少光照因素的影响，降低图像局部的阴影和光照变化所造成的影响，我们首先采用Gamma校正法对输入图像的颜色空间进行标准化(或者说是归一化)。
所谓的Gamma校正可以理解为提高图像中偏暗或者偏亮部分的图像对比效果，能够有效地降低图像局部的阴影和光照变化。
# 实现如下：
self.img = np.sqrt(img * 1.0 / float(np.max(img))) # 标准化(归一化_ ---> gamma校正
self.img = self.img * 255 # 校正后 ---> 量化到0~255
- 1
- 2
- 3
(2). 图像平滑(视情况而定)
对于灰度图像，一般为了去除噪点，所以会先利用高斯函数进行平滑：高斯函数在不同的平滑尺度下对灰度图像进行平滑操作。Dalal等实验表明moving from σ=0 to σ=2 reduces the recall rate from 89% to 80% ，
即不做高斯平滑人体检测效果最佳，使得漏检率缩小了约一倍。不做平滑操作，可能原因：HOG特征是基于边缘的，平滑会降低边缘信息的对比度，从而减少图像中的有用信息。
(3). 梯度大小和方向计算
以下图为例，计算梯度大小和方向：
在像素值为85的点，
G
x
=
∣
89
−
78
∣
=
11
G_x=|89-78|=11
Gx=∣89−78∣=11
G
y
=
∣
56
−
68
∣
=
12
G_y=|56-68|=12
Gy=∣56−68∣=12
幅值和角度
G
=
s
q
r
t
(
(
G
x
)
2
+
(
G
y
)
2
)
=
13.6
G=sqrt( (G_x)^2+(G_y)^2 ) = 13.6
G=sqrt((Gx)2+(Gy)2)=13.6
t
h
e
t
a
=
a
r
c
t
a
n
(
G
y
/
G
x
)
=
36
theta=arctan(G_y/G_x)=36
theta=arctan(Gy/Gx)=36
像素值梯度的贡献，按照其两侧距离权重，添加到两侧的区间
如下所示，由于165度在160和180之间，而180度就是0度
int(165/20) = 8.25
floor(8.25) = 8;
i+u = 8.25 , u = 0.25
i , i+1
1-u , u
0.75 , 0.25
160 , 180
85*0.75 85*0.25
idx=i+1
if idx==9
idx=0;
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
(4). 计算梯度方向的直方图
采用梯度幅值量级本身得到的检测效果最佳，而使用二值的边缘权值表示会严重降低效果。采用梯度幅值作为权重，可以使那些比较明显的边缘的方向信息对特征表达影响增大，这样比较合理，因为HOG特征主要就是依靠这些边缘纹理。
根据Dalal等人的实验，在行人目标检测中，在无符号方向角度范围并将其平均分成9份（bins）能取得最好的效果，当bin的数目继续增大效果改变不明显，故一般在人体目标检测中使用bin数目为9范围0~180°的度量方式。
(5). 对block归一化
由于局部光照的变化，以及前景背景对比度的变化，使得梯度强度的变化范围非常大，这就需要对梯度做局部对比度归一化。归一化能够进一步对光照、阴影、边缘进行压缩，使得特征向量对光照、阴影和边缘变化具有鲁棒性。
具体的做法：将细胞单元组成更大的空间块(block)，然后针对每个块进行对比度归一化。最终的描述子是检测窗口内所有块内的细胞单元的直方图构成的向量。事实上，块之间是有重叠的，也就是说，每个细胞单元的直方图都会被多次用于最终的描述子的计算。
块之间的重叠看起来有冗余，但可以显著的提升性能 。
通常使用的HOG结构大致有三种：矩形HOG（简称为R-HOG），圆形HOG和中心环绕HOG。它们的单位都是Block（即块）。Dalal的试验证明矩形HOG和圆形HOG的检测效果基本一致，而环绕形HOG效果相对差一些。
如上图，一个块由2×22×2个cell组成，每一个cell包含8×88×8个像素点，每个cell提取9个直方图通道，因此一个块的特征向量长度为2×2×92×2×9。
假设vv是未经归一化的特征向量。 ∥v∥k‖v‖k是vv的kk范数，k=1,2k=1,2，是一个很小的常数，对块的特征向量进行归一化，一般有以下四种方法：
(6). 样本HoG特征提取
就按照之前的步骤即可
一个cell由8*8个pixel构成
一个block由2*2个cell组成
滑动的时候，有重叠
- 1
- 2
- 3
下面使用的是extend方式，即，最后的结果还是一个列表
hog_vector = []
# 默认步长为一个cell大小，一个block由2x2个cell组成，遍历每一个block
for i in range(cell_gradient_vector.shape[0] - 1): # 16-1 = 15
for j in range(cell_gradient_vector.shape[1] - 1): # 8-1 = 15
# 每一个block由四个cell构成，因此，将相邻的四个cell的特征，存到一个列表中即可
block_vector = []
block_vector.extend(cell_gradient_vector[i][j])
block_vector.extend(cell_gradient_vector[i][j + 1])
block_vector.extend(cell_gradient_vector[i + 1][j])
block_vector.extend(cell_gradient_vector[i + 1][j + 1])
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
(7)、行人检测HOG+SVM
这里我们介绍一下Dalal等人的训练方法：
-
提取正负样本的HOG特征；
-
用正负样本训练一个初始的分类器，然后由分类器生产检测器；
-
然后用初始分类器在负样本原图上进行行人检测，检测出来的矩形区域自然都是分类错误的负样本，这就是所谓的难例(hard examples)；
-
提取难例的HOG特征并结合第一步中的特征，重新训练，生成最终的检测器 ；
这种二次训练的处理过程显著提高了每个检测器的表现，一般可以使得每个窗口的误报率(FPPW False Positives Per Window)下降5%。
1.2 python代码实现
"""
下面的程序中，cell大小为8*8。
因此128/8 = 16, 64/8 = 8
一个128*64的图片，最终划分成了 16*8个cell， 特征维度为 16*8*9
再计算归一化后的block的特征
"""
import cv2
import numpy as np
import math
import matplotlib.pyplot as plt
class Hog_descriptor():
"""
HOG描述符的实现
"""
def __init__(self, img, cell_size=8, bin_size=9):
"""
构造函数
默认参数，一个block由2x2个cell组成，步长为1个cell大小
args:
img：输入图像(更准确的说是检测窗口)，这里要求为灰度图像 对于行人检测图像大小一般为128x64 即是输入图像上的一小块裁切区域
cell_size：细胞单元的大小 如8，表示8x8个像素
bin_size：直方图的bin个数
"""
self.img = img
'''
采用Gamma校正法对输入图像进行颜色空间的标准化（归一化），目的是调节图像的对比度，降低图像局部
的阴影和光照变化所造成的影响，同时可以抑制噪音。采用的gamma值为0.5。 f(I)=I^γ
'''
self.img = np.sqrt(img * 1.0 / float(np.max(img)))
self.img = self.img * 255
# print('img',self.img.dtype) #float64
# 参数初始化
self.cell_size = cell_size
self.bin_size = bin_size
self.angle_unit = 180 / self.bin_size # 这里采用180°
assert type(self.bin_size) == int, "bin_size should be integer,"
assert type(self.cell_size) == int, "cell_size should be integer,"
assert 180 % self.bin_size == 0, "bin_size should be divisible by 180"
def extract(self):
"""
计算图像的HOG描述符，以及HOG-image特征图
"""
height, width = self.img.shape
'''
1、计算图像每一个像素点的梯度幅值和角度
'''
# gradient_magnitude：shape为(128,64)
# 每个像素点的梯度值、梯度方向
gradient_magnitude, gradient_angle = self.global_gradient()
gradient_magnitude = abs(gradient_magnitude)
'''
2、计算输入图像的每个cell单元的梯度直方图，形成每个cell的descriptor 比如输入图像为128x64 可以得到16x8个cell，每个cell由9个bin组成
'''
# 梯度方向的特征向量初始化的shape为：(16,8,9)
cell_gradient_vector = np.zeros((int(height / self.cell_size), int(width / self.cell_size), self.bin_size))
# 遍历每一行、每一列
for i in range(cell_gradient_vector.shape[0]):
for j in range(cell_gradient_vector.shape[1]):
# 计算第[i][j]个cell的特征向量
cell_magnitude = gradient_magnitude[i * self.cell_size:(i + 1) * self.cell_size,
j * self.cell_size:(j + 1) * self.cell_size]
cell_angle = gradient_angle[i * self.cell_size:(i + 1) * self.cell_size,
j * self.cell_size:(j + 1) * self.cell_size]
cell_gradient_vector[i][j] = self.cell_gradient(cell_magnitude, cell_angle)
# 将得到的每个cell的梯度方向直方图绘出，得到特征图
hog_image = self.render_gradient(np.zeros([height, width]), cell_gradient_vector)
'''
3、将2x2个cell组成一个block，一个block内所有cell的特征串联起来得到该block的HOG特征descriptor
将图像image内所有block的HOG特征descriptor串联起来得到该image（检测目标）的HOG特征descriptor，
这就是最终分类的特征向量
'''
hog_vector = []
# 默认步长为一个cell大小，一个block由2x2个cell组成，遍历每一个block
for i in range(cell_gradient_vector.shape[0] - 1): # 16-1 = 15
for j in range(cell_gradient_vector.shape[1] - 1): # 8-1 = 15
# 每一个block由四个cell构成，因此，将相邻的四个cell的特征，存到一个列表中即可
block_vector = []
block_vector.extend(cell_gradient_vector[i][j])
block_vector.extend(cell_gradient_vector[i][j + 1])
block_vector.extend(cell_gradient_vector[i + 1][j])
block_vector.extend(cell_gradient_vector[i + 1][j + 1])
'''块内归一化梯度直方图，去除光照、阴影等变化，增加鲁棒性'''
# 计算l2范数
# 计算的目标是一个矩阵，4*9的矩阵
# 将矩阵中的每一个元素按照L2范数进行归一化 。因此先求矩阵的平方和，再把元素除以平方和
# 下面lambda函数的作用就是求和， 得到一个数字
mag = lambda vector: math.sqrt(sum(i ** 2 for i in vector))
magnitude = mag(block_vector) + 1e-5
# 归一化
if magnitude != 0:
# 第二行别看错了,normalize就是一个匿名函数而已， 跟 p没什么区别
normalize = lambda block_vector, magnitude: [element / magnitude for element in block_vector]
block_vector = normalize(block_vector, magnitude)
hog_vector.append(block_vector)
return np.asarray(hog_vector), hog_image
def global_gradient(self):
"""
分别计算图像沿x轴和y轴的梯度
"""
gradient_values_x = cv2.Sobel(self.img, cv2.CV_64F, 1, 0, ksize=5)
gradient_values_y = cv2.Sobel(self.img, cv2.CV_64F, 0, 1, ksize=5)
# 计算梯度幅值 这个计算的是0.5*gradient_values_x + 0.5*gradient_values_y
# gradient_magnitude = cv2.addWeighted(gradient_values_x, 0.5, gradient_values_y, 0.5, 0)
# 计算梯度方向
# gradient_angle = cv2.phase(gradient_values_x, gradient_values_y, angleInDegrees=True)
gradient_magnitude, gradient_angle = cv2.cartToPolar(gradient_values_x, gradient_values_y, angleInDegrees=True)
# 角度大于180°的，减去180度
gradient_angle[gradient_angle > 180.0] -= 180
# print('gradient',gradient_magnitude.shape,gradient_angle.shape,np.min(gradient_angle),np.max(gradient_angle))
return gradient_magnitude, gradient_angle
def cell_gradient(self, cell_magnitude, cell_angle):
"""
为每个细胞单元构建梯度方向直方图
args:
cell_magnitude：cell中每个像素点的梯度幅值，
cell_angle：cell中每个像素点的梯度方向
return：
返回该cell对应的梯度直方图，长度为bin_size
"""
# 构建每一个cell的梯度直方图，因为分箱分成了9个，初始化时，orientation_centers=[0,0,0,0,0,0,0,0,0]
orientation_centers = [0] * self.bin_size
# 遍历cell中的每一个像素点
for i in range(cell_magnitude.shape[0]):
for j in range(cell_magnitude.shape[1]):
# 梯度幅值
gradient_strength = cell_magnitude[i][j]
# 梯度方向
gradient_angle = cell_angle[i][j]
# 参考双线性插值的方式赋予权重
# min_angle: 第i个索引， max_angle ： 第i+1个索引， 这里的命名真是有问题
# 下标的范围是0到8
min_angle, max_angle, weight = self.get_closest_bins(gradient_angle)
orientation_centers[min_angle] += (gradient_strength * (1 - weight))
orientation_centers[max_angle] += (gradient_strength * weight)
return orientation_centers
def get_closest_bins(self, gradient_angle):
"""
计算梯度方向gradient_angle位于哪一个bin中，这里采用的计算方式为双线性插值
具体参考：https://www.leiphone.com/news/201708/ZKsGd2JRKr766wEd.html
例如：当我们把180°划分为9个bin的时候，分别对应对应0,20,40,...160这些角度。
角度是10，副值是4，因为角度10介于0-20度的中间(正好一半)，所以把幅值
一分为二地放到0和20两个bin里面去。
args:
gradient_angle:角度
return：
start,end,weight：起始bin索引，终止bin的索引，end索引对应bin所占权重
"""
idx = int(gradient_angle / self.angle_unit) # 如int(165/20) = 8
mod = gradient_angle % self.angle_unit # 165%20 = 15。 u= 15/20 = 0.75， 则分到idx的梯度的值的权重为1-u = 0.25
return idx % self.bin_size, (idx + 1) % self.bin_size, mod / self.angle_unit # 分到idx+1的权重为u = 0.75
# 之所以要对9取余，防止越界。因为9*20=180。180度在分箱的时候实际上属于0度
def render_gradient(self, image, cell_gradient):
"""
将得到的每个cell的梯度方向直方图绘出，得到特征图
args：
image：画布,和输入图像一样大 [h,w]
cell_gradient：输入图像的每个cell单元的梯度直方图,形状为[h/cell_size,w/cell_size,bin_size]
return：
image：特征图
"""
cell_width = self.cell_size / 2
max_mag = np.array(cell_gradient).max() # 获取(累计)梯度最大值，用于归一化；在可视化画图时，采取的是整个图片的最大值归一化
# 遍历每一个cell
for x in range(cell_gradient.shape[0]): # cell_gradient:(16,8,9)，当然，只是一个例子
for y in range(cell_gradient.shape[1]):
# 获取第[i][j]个cell的梯度直方图
cell_grad = cell_gradient[x][y] # cell_grad是一个9维的向量
# 归一化
cell_grad /= max_mag
angle = 0
angle_gap = self.angle_unit # 范围为20度
# 遍历每一个bin区间
for magnitude in cell_grad:
# 转换为弧度
angle_radian = math.radians(angle)
# 计算起始坐标和终点坐标，长度为幅值(归一化),幅值越大、绘制的线条越长、越亮
# 只是使用如下的方式，来可视化每个点的幅值大小
x1 = int(x * self.cell_size + cell_width + magnitude * cell_width * math.cos(angle_radian))
y1 = int(y * self.cell_size + cell_width + magnitude * cell_width * math.sin(angle_radian))
x2 = int(x * self.cell_size + cell_width - magnitude * cell_width * math.cos(angle_radian))
y2 = int(y * self.cell_size + cell_width - magnitude * cell_width * math.sin(angle_radian))
cv2.line(image, (y1, x1), (y2, x2), int(255 * math.sqrt(magnitude)))
angle += angle_gap
return image
if __name__ == '__main__':
# 加载图像
img_copy = cv2.imread('D://corn.png')
img_rgb = cv2.cvtColor(img_copy, cv2.COLOR_BGR2RGB)
width = 64
height = 128
# img_copy = img[320:320 + height, 570:570 + width][:, :, ::-1]
# gray_copy = cv2.cvtColor(img_copy, cv2.COLOR_BGR2GRAY)
gray_copy = cv2.cvtColor(img_copy, cv2.COLOR_BGR2GRAY)
# 显示原图像
plt.figure(figsize=(6.4, 2.0 * 3.2))
plt.subplot(1, 2, 1)
plt.imshow(img_rgb)
# HOG特征提取
hog = Hog_descriptor(gray_copy, cell_size=8, bin_size=9)
hog_vector, hog_image = hog.extract()
print('hog_vector', hog_vector.shape)
print('hog_image', hog_image.shape)
# 绘制特征图
plt.subplot(1, 2, 2)
plt.imshow(hog_image, cmap=plt.cm.gray)
plt.show()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
- 198
- 199
- 200
- 201
- 202
- 203
- 204
- 205
- 206
- 207
- 208
- 209
- 210
- 211
- 212
- 213
- 214
- 215
- 216
- 217
- 218
- 219
- 220
- 221
- 222
1.3 代码小技巧
1.3.1 lamda函数
def sum(x,y):
return x+y
"================ >"
p = lambda x,y:x+y # 传入参数x,y 返回冒号后面的操作 x+y
print(p(4,5)) # 结果为9
p = lambda x, y, z: (x + 8) * y - z
print(p(4, 5, 7))
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
1.3.2 extend用法
原来list长度为9，将四个一样的list的元素添加到block_vector
变成了36个
# 这里是extend，而不是append
# 即向列表尾部追加一个列表；是将列表中的每个元素添加到新的列表中
# 不会改变维度的
# 不是append
block_vector = []
block_vector.extend(cell_gradient_vector[i][j])
block_vector.extend(cell_gradient_vector[i][j + 1])
block_vector.extend(cell_gradient_vector[i + 1][j])
block_vector.extend(cell_gradient_vector[i + 1][j + 1])
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10