【问题标题】:How do I apply a sliding window technique on images for multiple people detection?如何在图像上应用滑动窗口技术以进行多人检测?
【发布时间】:2018-07-23 15:44:20
【问题描述】:

我正在为人员检测实施 HOG,并且 SVM 分类器已经过训练。但我不知道如何使用该预训练分类器使用滑动窗口技术进行检测。请有人指导我构建用于多人检测的滑动窗口技术在 Matlab 中。

【问题讨论】:

  • 你是问如何在滑动窗口内检测人?
  • 是的先生..我将我的数据集分类为人和非人..现在我想检测该分类图像中的人...使用滑动窗口技术进行检测..

标签: matlab svm sliding-window


【解决方案1】:

here 上的 Python 教程应该让您了解如何实现这一点。

基本思想是针对每个窗口计算 hog 描述符(例如,使用 opencv),然后将 HOG 描述符与训练的 SVM 权重相乘(它们的大小应该相同)。相乘后,将偏差(这是 SVM 分类器的另一个输出)添加到先前的结果中。如果结果为正,则为正匹配,否则为负匹配。

注意:滑动窗口大小与训练图像大小相同。

所以,

for each pixel in the image:
   get a sub-image of size of sliding window
   compute the HOG descriptors for this image
   product = hog * SVM_weights //element-wise multiplication
   response = product + bias
   if response > 0:
       print "match"
   else:
       print "no match"

【讨论】:

  • 好的,先生,但我使用 MATLAB 实现它..可以使用 MATLAB 实现同样的想法吗?
  • 当然。尝试并理解滑动窗口技术的逻辑,您应该能够在 matlab 中实现它。以下是 matlab 中 HOG SVM 的示例:mathworks.com/help/vision/examples/…
猜你喜欢
  • 2014-06-07
  • 2014-08-24
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2015-02-19
  • 2015-02-21
  • 2011-08-28
相关资源
最近更新 更多