2022-04-24 17:52:15 索炜达电子 2063
文件编号:B300
文件大小:94M
猿创承诺:该项目亲测正常运行,提供部署视频,需远程调试部署需另外收费,确保正常使用,不能正常使用全额退款。
简要概述:基于Matlab SVM+HOG行人检测算法,直接运行Optimize.m测试。其中除了SVM部分利用Matlab现有库,其余皆为自己编写的程序,由于预选框采用变尺度滑动,所以运行会比较慢。
演示视频:
点击查看:系统演示视频
算法说明:
一、HOG算法流程
1.计算输入图像(64*128)每个像素点的x,y梯度值。
2.计算(x,y)与(0,0)的欧氏距离作为该像素点的梯度幅值,该像素点的梯度方向为tan-1=y/x。
3.每8*8个像素点(Cell)根据梯度方向统计其梯度直方图(分成9个区间)。
4.每2*2个Cell(Block)的直方图连接后归一化,得到该Block的归一化特征值向量。
5.串联所有Block的特征值向量,得到最终的特征向量。
6.以上面数据为例,一张输入图共有(64/8-1)*(128/8-1)*9*4=3780维。
二、SVM训练
1.综合网络和自己生成的资源,得到行人图片库,统一大小(64*128)。
2.通过HOG算法提取每张图的特征。
3.将提取到的正反例特征输入SVM训练,保存得到的SVM参数。
三、检测算法
1.获取待测图片,从小到大生成多尺度变宽高比框选取局部区域图像。
2.对每次的区域图像进行灰度转化和重新调整大小(64*128)。
3.将步骤2的图像进行HOG特征提取。
4.将提取到的特征放入训练好的SVM中,得到预测结果。
5.用重叠面积法解决重复框选问题,得到最终检测结果图。
运行效果:
测试图1分类结果
测试图3分类结果
测试图4分类结果
远程协助:
温馨提示:索炜达.猿创官方提供收费远程协助,确保您项目运行成功。
点击查看:远程协助相关事项
我们提供完整项目文件清单如下:
文件目录
├ 1.项目源码
├ 2.配套文档
└ 3.系统演示视频