一種hog特征快速提取方法
【技術領域】
[0001] 本發(fā)明涉及一種HOG (Histogram of oriented gradient，方向梯度直方圖）特征 提取方法，尤其涉及一種HOG特征快速提取方法，屬于計算機模式識別技術領域。
【背景技術】
[0002] 計算機視覺技術已廣泛應用于現(xiàn)代的智能視頻監(jiān)控系統(tǒng)中。隨著視頻監(jiān)控應用范 圍的逐步擴大，要求計算機視覺算法能夠適應更加復雜的應用場景。尤其是在現(xiàn)代多攝像 機監(jiān)控系統(tǒng)中，需要在諸如光照、背景、目標姿勢，乃至攝像機的觀測條件等一定變化條件 下實現(xiàn)對目標有效的檢測及跟蹤，同時要避免算法過于復雜。因此如何兼顧算法的效率和 準確性成為智能監(jiān)控中的研宄熱點之一。
[0003] 計算機視覺應用的第一步是要提取目標的特征。采用一種魯棒性較強的特征 對行人目標進行有效描述顯得十分重要。其中，利用局部梯度統(tǒng)計信息的HOG特征因 為對目標的幾何和光學變化具有較好魯棒性，近幾年在行人目標的檢測及匹配識別中 表現(xiàn)出色，但是目前仍存在一些問題，如提取出來的HOG特征維數(shù)過高及特征提取時間 過長。其中提取過程復雜耗時是制約其應用的最大因素。為了加速HOG特征的提取， [Soojin KimjKyeongsoon Cho. Trade-off between Accuracy and speed for pedestrian Detection using HOG Featrue[C]. IEEE Third Conference on Consumer Electroics-Berlin (ICCE-Berlin)，2013]取消了 HOG提取過程中最耗時的三線性插值及高斯加權步 驟，這樣是對HOG特征的有效性和提取速度做出的一種折中的選擇。[Wojek C，Schiele B. A performance evaluation of single and multi-featrue people detection[C]. DAGNJ. 2008]使用了并行處理技術結合GPU實現(xiàn)HOG特征的提取，從硬件方面加速了 HOG特 征的提取。如何在保證HOG特征有效性的條件下盡可能的降低HOG特征的提取復雜度，是 一個研宄的熱點。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術問題在于針對現(xiàn)有HOG特征提取過程中的三線性插值部 分復雜耗時問題，提供一種HOG特征快速提取方法，通過區(qū)域再劃分的方法減少不必要的 插值運算，在不降低性能的前提下，提高特征提取的速度。
[0005] 本發(fā)明具體采用以下技術方案解決上述技術問題：
[0006] 一種HOG特征快速提取方法，包括：步驟1、圖像預處理；步驟2、計算圖像中各像 素的梯度并將圖像劃分為細胞和塊；步驟3、計算每個細胞的方向梯度直方圖；步驟4、對每 個塊內(nèi)的各細胞的方向梯度直方圖進行歸一化；步驟5、收集每個塊內(nèi)的方向梯度直方圖， 將其合并為圖像的HOG特征；所述計算每個細胞的方向梯度直方圖，具體如下：首先將每個 細胞劃分為四個子細胞；對于任意一個細胞M，從M所在塊中的其他細胞中選取與細胞M相 鄰的子細胞，通過對細胞M中的所有像素以及所選取的子細胞中的所有像素進行三線性插 值，得到細胞M的方向梯度直方圖。
[0007] 子細胞的劃分可以等分也可以不等分，優(yōu)選的劃分方式如下：細胞的大小為 2NX 2N像素，N為非零正整數(shù)，每四個相鄰細胞構成一個塊；子細胞的大小為NXN像素。
[0008] 相比現(xiàn)有技術，本發(fā)明具有以下有益效果：
[0009] 本發(fā)明針對現(xiàn)有HOG特征提取技術中的三線性插值算法策略進行了改進，通過細 胞的進一步細分，僅選取與當前細胞距離較近的部分像素進行插值計算，有效減少了復雜 的插值運算，提高了特征提取的效率。
【附圖說明】
[0010] 圖1為HOG特征提取中三線性插值的梯度方向插值的原理示意圖；
[0011] 圖2為HOG特征提取中三線性插值的空間位置插值的原理示意圖；
[0012] 圖3為本發(fā)明技術方案的原理示意圖；
[0013] 圖4為本發(fā)明一個優(yōu)選實施例的流程示意圖；
[0014] 圖5為效果驗證試驗所采用的行人目標識別流程圖。
【具體實施方式】
[0015] 下面結合附圖對本發(fā)明的技術方案進行詳細說明：
[0016] 為了便于公眾理解本發(fā)明的技術方案，首先對HOG特征的相關內(nèi)容進行介紹。
[0017] 現(xiàn)有的HOG特征的提取流程如下：
[0018] KGamma 歸一化：
[0019] 首先把圖像灰度化，然后采用Ga_a校正法對輸入圖像進行顏色空間的標準化 (歸一化），目的是調(diào)節(jié)圖像的對比度，降低圖像局部的陰影和光照變化所造成的影響，同 時可以抑制噪音的干擾。
[0020] 2、計算梯度：
[0021] 最常用的方法是：首先用[_1，0，1]梯度算子對原圖像做卷積運算，得到X方向 (水平方向，以向右為正方向）的梯度分量G x (x，y)，然后用[1，0，-1]梯度算子對原圖像做 卷積運算，得到y(tǒng)方向（豎直方向，以向上為正方向）的梯度分量Gy (x，y)，然后再用下面的 公式計算該像素點的梯度大小和方向：
【主權項】
1. 一種HOG特征快速提取方法，包括：步驟1、圖像預處理；步驟2、計算圖像中各像素 的梯度并將圖像劃分為細胞和塊；步驟3、計算每個細胞的方向梯度直方圖；步驟4、對每個 塊內(nèi)的各細胞的方向梯度直方圖進行歸一化；步驟5、收集每個塊內(nèi)的方向梯度直方圖，將 其合并為圖像的HOG特征；其特征在于，所述計算每個細胞的方向梯度直方圖，具體如下： 首先將每個細胞劃分為四個子細胞；對于任意一個細胞M，從M所在塊中的其他細胞中選取 與細胞M相鄰的子細胞，通過對細胞M中的所有像素W及所選取的子細胞中的所有像素進 行=線性插值，得到細胞M的方向梯度直方圖。
2. 如權利要求1所述HOG特征快速提取方法，其特征在于，細胞的大小為2NX 2N像素， N為非零正整數(shù)，每四個相鄰細胞構成一個塊；子細胞的大小為NXN像素。
3. 如權利要求1所述HOG特征快速提取方法，其特征在于，所述圖像預處理是指將圖像 歸一化為同一尺寸大小。
【專利摘要】本發(fā)明公開了一種HOG特征快速提取方法，屬于計算機模式識別技術領域。該方法包括：步驟1、圖像預處理；步驟2、計算圖像中各像素的梯度并將圖像劃分為細胞和塊；步驟3、計算每個細胞的方向梯度直方圖；步驟4、對每個塊內(nèi)的各細胞的方向梯度直方圖進行歸一化；步驟5、收集每個塊內(nèi)的方向梯度直方圖，將其合并為圖像的HOG特征；計算每個細胞的方向梯度直方圖，具體如下：首先將每個細胞劃分為四個子細胞；對于任意一個細胞M，從M所在塊中的其他細胞中選取與細胞M相鄰的子細胞，通過對細胞M中的所有像素以及所選取的子細胞中的所有像素進行三線性插值，得到細胞M的方向梯度直方圖。本發(fā)明在保持特征有效性的同時可大幅提高特征提取速度。
【IPC分類】G06K9-62, G06K9-46
【公開號】CN104598929
【申請?zhí)枴緾N201510056704
【發(fā)明人】胡棟, 曹金山, 王佩思, 魏巍
【申請人】南京郵電大學
【公開日】2015年5月6日
【申請日】2015年2月3日