公式完整版渲染請移步個人博客
系統(tǒng)架構(gòu)
該系統(tǒng)仍然是基于滑動框+傳統(tǒng)機器學(xué)習(xí)的目標(biāo)識別系統(tǒng)谦屑，分為兩個主要部分：
- HoG特征提然炻堋：從滑動框中提取出的子圖中提取HoG特征
- 支持向量機（SVM）：以子圖的HoG特征為輸入，判斷該子圖中是否有物品
HoG特征
該系統(tǒng)的最大貢獻(xiàn)為提出基于梯度的HoG（locally normalized Histogram of Oriented Gradient）特征桐猬，該特征的計算流程分為5步茫船，分別如下所示：
歸一化
歸一化目的是去除光線的影響愿棋，gamma校正的公式如下所示：
y(x,y) = I(x,y)^{gamma}
原論文嘗試了多種輸入方法近速，包括灰度圖像和彩色圖像與是否gamma校正的組合诈嘿，由于這一步對最終結(jié)果影響很小，因此最終默認(rèn)為使用彩色輸入削葱，不進(jìn)行g(shù)amma校正永淌。
梯度計算
梯度的計算使用相鄰或不相鄰的像素值相減獲得，兩個方向的梯度和計算出整體梯度的角度和模佩耳。原論文嘗試了多種計算方法，最終使用的計算方法如下所示：
$$
grad_x(x,y) = I(x+1,y) - I(x-1,y) \\
grad_y(x,y) = I(x,y+1) - I(x,y-1) \\
||grad(x,y)|| = \sqrt{grad_x(x,y)^2 + grad_y(x,y)^2} \\
grad_{\theta}(x,y) = arctan(\cfrac{grad_y(x,y)}{grad_x(x,y)})
$$
其中grad_x(x,y)和grad_y(x,y)的計算方法分別是與及其[-1,0,1]轉(zhuǎn)置與這一步的輸入圖片卷積谭跨。若輸入圖片的輸入通道不為1干厚，那么將其所有通道的數(shù)據(jù)組合到一個向量中。
直方特征統(tǒng)計
該步驟是引入非線性的關(guān)鍵步驟螃宙，該步驟是基于一種被稱為cell的結(jié)構(gòu)蛮瞄，一個cell由一個正方形的塊覆蓋的像素組成，論文中使用的cell尺寸為4x4谆扎。對于一個cell中的所有像素統(tǒng)計一種直方圖挂捅，該直方圖的橫軸為梯度方向，縱軸為梯度模堂湖，如下圖所示：
角度落在相同區(qū)間的梯度的模累加闲先，作為該區(qū)間的結(jié)果。上圖為0~180度分為4個區(qū)域的劃分无蜂，最終產(chǎn)生四個數(shù)據(jù)伺糠，分別是角度落在四個角度區(qū)域的梯度的模之和。原論文中斥季，角度區(qū)域的劃分方法對最終結(jié)果有一定的影響训桶，最終試驗后使用0~180度劃分9個區(qū)域的劃分方法（每個20度），每個cell產(chǎn)生9個數(shù)據(jù)酣倾。
特征歸一化
特征的歸一化基于block結(jié)構(gòu)舵揭，該結(jié)構(gòu)由一些cell組成，分為R-HoG和C-HoG兩種躁锡。其中R-HoG應(yīng)用較多午绳，由相鄰的構(gòu)成方形的cell，block可以相互重疊稚铣，可以參考重疊的池化箱叁。C-HoG的block為圓形墅垮，未能找到資料，且論文描述較含糊耕漱。屬于一個block的所有cell的數(shù)據(jù)組成一個向量算色。
標(biāo)準(zhǔn)化中，基于block的標(biāo)準(zhǔn)化使用cell組成的向量標(biāo)準(zhǔn)化螟够，可以使用L2-Hys灾梦，L2標(biāo)準(zhǔn)化和帶開方的L1標(biāo)準(zhǔn)化。L1與L2標(biāo)準(zhǔn)化如下所示：
$$
L1:v = \sqrt{\cfrac{v}{||v||_1 + e}} \\
L2:v = \cfrac{v}{\sqrt{||v||_2^2+e}}
$$
其中v為待標(biāo)準(zhǔn)化向量妓笙，e為為了防止除0的很小的常數(shù)若河。L2-Hys標(biāo)準(zhǔn)化首先進(jìn)行L2標(biāo)準(zhǔn)化，對結(jié)果進(jìn)行截短寞宫，再進(jìn)行L2標(biāo)準(zhǔn)化萧福，以上所述的標(biāo)準(zhǔn)化方法對結(jié)果影響均不大，論文中使用L2-Hys標(biāo)準(zhǔn)化辈赋。
除了這種標(biāo)準(zhǔn)化方式鲫忍，論文中還提到了基于周圍cell的標(biāo)準(zhǔn)化方式，但效果不佳钥屈。
組合特征
特征計算完成后悟民，將所有block特征組合為一個向量，該向量即為后端SVM的輸入篷就。
SVM（支持向量機）
使用支持向量機判斷候選框中是否有物品射亏，支持向量機的輸入為組合成向量的HoG特征，輸出為是否是待檢測物品竭业。
代碼實踐
import cv2
def detectFaces(img):
hog = cv2.HOGDescriptor()
if img.ndim == 3:
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
else:
gray = img
faces, _ = hog.detectMultiScale(
gray)
print(faces)
result = []
for (x, y, width, height) in faces:
result.append((x, y, x + width, y + height))
return result
def drawFaces(img, draw, color=(255, 0, 0)):
for (x1, y1, x2, y2) in draw:
cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
return img
if __name__ == '__main__':
cap = cv2.VideoCapture(0)
while(1):
# get a frame
ret, frame = cap.read()
frame_face1 = detectFaces(frame)
# frame_face2 = detectFaces(
# frame, "./haarcascades/haarcascade_profileface.xml")
# frame_eye = detectFaces(
# frame, "./haarcascades/haarcascade_mcs_nose.xml")
# frame_nose = detectFaces(
# frame, "./haarcascades/haarcascade_mcs_rightear.xml")
frame = drawFaces(frame, frame_face1)
# frame = drawFaces(frame, frame_face2, (0, 255, 0))
# frame = drawFaces(frame, frame_eye, (0, 0, 255))
# frame = drawFaces(frame, frame_nose, (255, 0, 255))
cv2.imshow("capture", frame)
if cv2.waitKey(1) == 0:
break
