c++ - OpenCV 中的 HOG 用于对整个图像进行分类

Question

我知道 OpenCV 中的梯度直方图通常用于图像 block ，以便检测和分类图像中的对象。

但是，我想使用 HOG 构建一个可用于对整个图像进行分类的特征向量。使用以下内容:

std::vector<float> temp_FV_out;
cv::HOGDescriptor hog;
hog.compute(img_in, temp_FV_out);

由于图像的大小不同，给出每个长度都不同的非常长的特征向量 - 较大的图像有更多的 64 x 128 窗口，并且每个都有助于特征向量的长度。

如何让 OpenCV 从每个图像中给出一个短的特征向量(大约 5-20 个 bin)，其中特征向量的长度保持不变，而不管图像的大小如何？我宁愿不使用词袋来构建 HOG“词”的字典。

Answer 1

第一步是规范化图像尺寸——选择您要处理的最小尺寸，然后将其余尺寸调整为该基本尺寸。您还可以将小尺寸设置为默认值(例如 100x100)。如果它们的纵横比不同，您可能需要裁剪它们。

接下来，您可以根据各种算法从 vector 中选择一些特征:PCA、决策树、Ada boost 等 - 这可以帮助您从数据中提取最重要的值。