使用 HOG 和 SVM 进行头部检测

信息处理 图像处理 matlab 物体识别
2022-01-30 08:28:19

我目前正在尝试在一系列真实镜头图像中检测头部，并使用 HOG 特征描述符和 SVM 作为分类器。

目前我在这个链接中找到的 MATLAB 中 使用Dalal 的 HOG 实现代码：http: //www.mathworks.com/matlabcentral/fileexchange/46408-histogram-of-orientation-gradients--hog--code-using-matlab

目前我正在使用此链接中找到的libSVM MATLAB版本： http ://www.csie.ntu.edu.tw/~cjlin/libsvm/

我准备了 350 张正面训练图像和 1243 张负面训练图像。

将训练图像中提取的hog特征向量转换为libsvmFormat，输入libsvm训练方法，得到模型。hog 向量长度是 1764 的长度。

关于 libSVM，我选择了这些作为参数：

  • -s 0 (i.e. C-SVC)
  • -c 1 (i.e. cost = 1)
  • -t 2 (i.e. kernel = RBF)
  • -g 3 (i.e. gamma = 3 (this is for kernel))

关于 HOG 版本，我保留了 cell、bin 和 block 参数，因为它们在上面链接中显示的实现中。

我正在使用大小为 128x128 和 256x256 的扫描窗口扫描整个图像以检测可能的头部。在每个窗口中，为每个图像提取 hog 特征向量并输入到 libsvm predict 中，以测试是否应将其分类为头部。

但是，在完成上述所有操作之后，我有大量的假阴性并且无法弄清楚我做错了什么。

有经验的人可以就可能出现的问题提供一些建议吗？我真的需要弄清楚这一点。非常感激！

2个回答

这里要记住的是，HOG 对于平面内旋转并不是不变的。超过 10-15 度的方向变化可能会将其丢弃。因此，如果您的头部在图像中可以有不同的方向，您要么需要训练多个检测器，要么使用 HOG 以外的其他东西。

顺便说一句，extractHOGFeaturesComputer Vision System Toolbox中有一个函数，Statistics Toolbox中有SVM。请参阅此示例。

编辑：从您的示例图像看来，在大多数情况下，您需要检测个人资料面孔。vision.CascadeObjectDetector在计算机视觉系统工具箱中可以为您做到这一点。为了提高鲁棒性，我会连续运行两个检测器：一个用于侧面，一个用于正面。而且，HOG 在这里可能不是您的最佳选择。对于人脸检测，Haar 或 LBP 功能通常效果更好。

不管你做什么，你都会有一些假阴性。因此，如果您使用的是摄像机，我还建议您跟踪面部。请参阅此示例。这将使您有机会纠正在单个帧上犯的错误。

Edit2：您还可以使用 训练自己的检测器trainCascadeObjectDetector，并且可以使用trainingImageLabeler应用程序标记阳性样本。

有很多可能的问题。

首先，您应该快速检查一下您的误报情况如何，尤其是它们的合理性。如果有一些在视觉上与头部非常相似的误报，那么现在不要担心它们。

其次，您经常需要执行交叉验证来确定分类器中使用的参数集，而不是选择一组默认参数。同样常见的是，一个问题中的一组好的参数不适用于另一个问题。因此，您应该验证您的 SVM 参数是否最适合您的问题。

第三，众所周知，目标检测还需要后处理来修剪检测结果并处理可能的重叠结果。有时，即使是简单的启发式方法也能很好地工作。

最后，尝试使用 boost + cascade 重新训练错误分类的样本。

其它你可能感兴趣的问题
上一篇Mathematica (MMA) 中的时频信号分析 下一篇是否有广泛可用的自适应、递归、数值稳定的 IIR 滤波器实现？