python - 如何改进具有线性SVM性能的HOG检测器以进行汽车检测？

Question

因此，我想从驾驶员记录仪检测到的视频中检测汽车。我已经读了很多书，并且做了很多研究，但仍然不太了解。我确实考虑过将HOG描述符与线性SVM一起使用。但是，通过哪种方式仍然可以改进它，使其更易于实现和更强大，因为这对我来说是一种研究？
我正在考虑将另一种技术/算法与HOG相结合，但仍然有些失落。我对此很陌生。

任何帮助是极大的赞赏。我也欢迎其他更好的想法。

Answer 1

HOG(定向梯度的直方图)只是可以从您的数据计算出的某种类型的特征 vector 。您可以计算图像中每个像素的梯度 vector ，然后将可能的 Angular 划分为离散数量的bin。在给定的图像子区域内，将指向给定方向的渐变的总大小添加为包含该方向的相关角仓的条目。

这样就为您提供了一个 vector ，该 vector 的长度等于为划分 Angular 范围而选择的分箱数，并且可以用作未归一化的直方图。

如果要为同一子区域计算其他图像特征，例如像素总和，锐角或直线的某些度量，颜色分布的方面等等，则可以计算多达或少至您也可以将它们排列成一个长 vector ，然后简单地将该特征 vector 与HOG vector 连接起来。

您可能还想对几个不同比例级别重复HOG vector 的计算，以帮助捕获某些比例可变性，将每个特定于比例的HOG vector 连接到整体特征 vector 上。还有其他功能概念，例如SIFT和其他概念，可以自动解决比例不变性。

您可能需要做一些归一化或缩放，可以在任何标准SVM指南中阅读。标准LIBSVM guide是一个很好的起点。

您将必须谨慎地正确组织特征 vector ，因为特征 vector 中可能会包含很多分量，并且必须确保始终将它们计算并放置在相同的顺序中，并进行完全相同的缩放或标准化治疗。