为滑动窗口分类器实现HoG特征检测

Question

我已经编写了一个分类器，现在想将其应用于检测图像。 我的分类器已经有了一些我感兴趣的对象的HoG特征的模型。我已经有了滑动窗口的功能，它也将以不同的比例在图像上滑动，并且我可以获得每个窗口的HoG特征。 我的问题是-下一步是什么？

将模型的HoG特征与窗口中的特征进行匹配真的简单吗？ 我了解到，对于积分图像，每个类都有一个阈值（例如face或not face ），并且如果窗口生成的图像的计算值与该类的值足够接近且未超过阈值，那么我们说我们有比赛。

但是，它如何与HoG功能一起使用？

Answer 1

是的，就是这么简单。 一旦有了HOG模型和窗口，您就需要将窗口功能应用于模型。 然后选择最佳结果（是否使用阈值，取决于您的应用程序）。

在这里，您有一个执行相同步骤的示例代码。 关键部分如下：

function detect(im,model,wSize)
   %{
   this function will take three parameters
    1.  im      --> Test Image
    2.  model   --> trained model
    3.  wStize  --> Size of the window, i.e. [24,32]
   and draw rectangle on best estimated window
   %}

topLeftRow = 1;
topLeftCol = 1;
[bottomRightCol bottomRightRow d] = size(im);

fcount = 1;

% this for loop scan the entire image and extract features for each sliding window
for y = topLeftCol:bottomRightCol-wSize(2)   
    for x = topLeftRow:bottomRightRow-wSize(1)
        p1 = [x,y];
        p2 = [x+(wSize(1)-1), y+(wSize(2)-1)];
        po = [p1; p2];
        img = imcut(po,im);     
        featureVector{fcount} = HOG(double(img));
        boxPoint{fcount} = [x,y];
        fcount = fcount+1;
        x = x+1;
    end
end

lebel = ones(length(featureVector),1);
P = cell2mat(featureVector);
% each row of P' correspond to a window
[~, predictions] = svmclassify(P',lebel,model); % classifying each window

[a, indx]= max(predictions);
bBox = cell2mat(boxPoint(indx));
rectangle('Position',[bBox(1),bBox(2),24,32],'LineWidth',1, 'EdgeColor','r');
end

对于每个窗口，代码都会提取HOG描述符并将其存储在featureVector 。 然后使用svmclassify代码检测存在对象的窗口。