个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
我正在使用HOG-LBP来检测人群。但是，我对如何实现这种方法以实时工作有疑问。到目前为止，我的程序尚无法实时运行，并且需要花费一些时间来处理(因为它需要先扫描整个图像，然后才能检测到图像中的人物)。我在这里也发布了代码的一小部分:HOG-LBP，但是在这里我的程序无法在实时应用程序中运行。有什么建议如何为实时应用实现HOG-LBP？谢谢。
最佳答案
您可以尝试按比例缩小图像。
这样，您可以加快检测速度。
但是，折衷是精度可能受到影响。
无论如何值得一试。
关于matlab - 如何为实时应用实现HOG-LBP？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25173201/
25
4
0
我打算将 hog 特征描述符与 SVM 分类器结合用于对象检测项目。 scikit-image 中提供的 hog 在分类阶段产生了非常好的结果。但是，它运行得非常慢(手头每张图像 20 秒)。另一方面
在 OpenCV 中，有一个 CvSVM 类，它接受样本矩阵来训练 SVM。矩阵是二维的，样本在行中。 我创建了自己的方法来根据视频源生成定向梯度 (HOG) 直方图。为此，我创建了一个 9 chan
我有一段 MATLAB 代码，它从图像中提取一个 91x91 的像素 block ，然后用苹果 HOG 提取其特征向量。我想用 Python 重写函数。我一直在努力寻找如何在 Python 中获得与在
使用时从图像中提取HOG功能时 bin_n = 16 # Number of bins def hog(img): gx = cv2.Sobel(img, cv2.CV_32F, 1, 0)
在 openCV 中似乎没有任何 HOG 训练的实现，关于 HOG 训练如何工作的资料也很少。根据我收集到的信息，HOG 训练可以实时完成。但是培训的要求是什么？培训过程实际上是如何进行的？ 最佳答案
我们有一个项目可以从图像中识别 Logo 。我们最初使用 Haar 分类器，但训练 Haar 分类器需要很多时间(在我们的 Core i5 机器上每个 Logo 需要 4 天)。为 300 多个 Lo
我在试图理解本文中 HOG 特征的大小时感到困惑。 Mid-level Elements for Object Detection. .在Dalal的工作中，一个64*128像素的窗口是由一个4*9*
我想检测显微镜图像细胞内的物体。我有很多带注释的图像(大约 50,000 张带有对象的图像和 500,000 张没有对象的图像)。 到目前为止，我尝试使用 HOG 提取特征并使用逻辑回归和 Linea
我正在从事杂草检测工作。我已经开始从 HoG 描述符中提取特征。正如从 HoG 文献中研究的那样，HoG 不是旋转不变的。我总共有 18 张草类杂草的图像，有两类。在我的训练和测试数据库中，我将每个图
我正在从事杂草检测工作。我已经开始从 HoG 描述符中提取特征。正如从 HoG 文献中研究的那样，HoG 不是旋转不变的。我总共有 18 张草类杂草的图像，有两类。在我的训练和测试数据库中，我将每个图
根据HOG过程，如论文人体检测定向梯度直方图(请参阅下面的链接)中所述，对比度归一化步骤在合并和加权投票后完成。 我一无所知-如果我已经计算了像元的加权梯度，那么图像对比度的标准化现在对我有什么帮助？
我无法理解 HOG 特征向量的大小... 场景:我拍摄了一张 286x286 图像。然后我计算了每个 8x8 补丁的 HOG。这意味着我得到了 8x8x2=128 个数字，由每个补丁的 9 bin 直
我从 hog.compute 函数中提取了特征，然后使用这些特征来训练 SVM 分类器。我使用了在网上找到的一个脚本来从分类文件中分离出 rho 和支持向量。 tree = ET.parse('svm
我是使用 HOG 检测器检测路上行人的新手，我已经编写了代码并尝试运行它，但它总是在这一行出现错误:“hog.setSVMDetector(HOGDescriptor: :getDefaultPeop
跟踪对象时，我希望能够在遮挡后重新检测到它。 在 OpenCV 3.4.5 (C++) 上，我尝试了模板匹配和光流分割。但是现在，我想使用 HOG 描述符实现更稳健的算法。 我举了一个小例子来说明这个
在谈论 Linux 内核时，“stack hog”是什么意思？ 我在一些 Linux 内核书籍(Wolfgang Mauerer 的 Professional Linux Kernel Archite
在我的应用程序中，我必须使用静态摄像头跟踪大学讲座中的讲师。目前我正在使用 Emgu CV 的默认 GPUHOGDescriptor，如果讲师的整个 body 都可见，它会很好用。在讲师站在 tabl
我正在研究真菌孢子检测。我有大约 359 张正图像(真菌颗粒的裁剪图像)和 171 张负图像(灰尘颗粒的裁剪图像)。 pos/nag 图像的实际大小与粒子大小相同，约为 8x8，但对于 SVM 训练，
我已经使用 HOG 实现了汽车检测器，目前工作正常。不幸的是，我对分类器有很多误报。 到目前为止我做了什么 我将样本的比率(正:负)从 1:1 更改为 1:3 并将误报率降低到一定程度。有人可以帮助减
我有 5000 张图像，每张图像可以生成一个大约 1000 维的向量(hog 特征)，但是有些图像非常相似，所以我想删除相似的图像。有办法实现吗？ ==========================
我是一名优秀的程序员,十分优秀！