一种方向梯度直方图的降维方法

摘要

为描述对象局部外观和形状,方向梯度直方图特征将图像划分成小区域(被称为cell),然后在其上累加像素梯度方向的一维直方图.然后在被称为block的较大区域(由数个相邻的cell组成)上连接cell的直方图并归一化形成最后的特征向量.为减弱block引起的区域量化走样,计算检测窗口的特征时对block采取了部分重叠的措施.但是,这样做大大增加了特征维度,从而在目标检测应用时带来了额外的计算量.通过扩大参与相邻cell之间像素梯度插值的面积,和设置适当的高斯平滑核尺度,本文取消了block重叠,从而将64*128大小窗口的方向梯度直方图特征的维度由3780降低为1152.在INRIA行人数据集上的实验表明,方法同样减弱了区域量化走样,且其性能与原方向梯度直方图的几乎一样,而检测速度却得到了显著提高.