「HOG特徴量」の編集履歴（バックアップ）一覧はこちら

「HOG特徴量」(2011/03/04 (金) 19:13:59) の最新版変更点

追加された行は緑色になります。

削除された行は赤色になります。

**HOG特徴量(Histograms of Oriented Gradients)

　HOGは，画像の局所領域から輝度勾配・輝度強度を取り出す特徴量です．物体の大まかな形状を表現可能です．一般に歩行者や人工物など，物体を検出するために使われています．HOGでは，輝度勾配ヒストグラム(物体の見えから得られる角度毎のヒストグラムのこと．画素ごとに得られます．)の対応する要素に，輝度強度を累積します．さらに，正規化処理によりヒストグラムの形状を整えるので，明るさの変化に対応可能であると言われております．ステップは以下に示します．

&big(){Step.0}
局所領域をブロック・セルに分割(画像をブロックに分割します．さらにブロックを分割した領域がセルになります．)

&big(){Step.1}
ブロックを移動．セルの中における輝度勾配ヒストグラムを計算する．

&big(){Step.2}
ブロックごとに正規化する．

&big(){Step.3}
全てのヒストグラムを統合して特徴量とする．

Step.1 と Step.2が繰り返し

参考文献
-[[N.Dalal, B.Triggs,"Histograms of oriented gradients for human detection",Proc.of IEEE Conference on Computer Vision and Pattern Recognition (CVPR),pp.886-893,2005>>http://ljk.imag.fr/membres/Bill.Triggs/////////pubs/Dalal-cvpr05.pdf]]

C++,OpenCVによる実装例
----

&big(){・HOGは一般的に学習器(SVM,AdaBoostなど)と組み合わせて使います．識別器を生成して認識します．}

 /*                      HOG特徴量                           */
 // image:画像の配列
 // width:画像の幅
 // height:画像の高さ
 // histogram_dimension:ヒストグラムの要素数
 // cell_column:セルの列数（横方向に画像を何分割するか）
 // cell_row:セルの行数（縦方向の画像を何分割するか）
 // block_column:１ブロックの列数
 // block_row:１ブロックの行数
 // feature_vector:HOG特徴ベクトルの配列
 // feature_vector_dimension:HOG特徴ベクトルの次元数
 //histogram_dimension*block_column*block_row*(cell_row - block_row) * (cell_column - block_column)
 void HOG(IplImage *image, int width, int height, int histogram_dimension, int cell_column, 
 int cell_row, int   block_column, int block_row, float *feature_vector, int feature_vector_dimension)
 {
    int x,y;     //繰り返し変数
    int bin;     //ビンの位置
    int cell_width = width / cell_column;  //セルサイズ(幅)
    int cell_height = height / cell_row;   //セルサイズ(高さ)
    int block_dimension = histogram_dimension * block_column * block_row; //ブロックの次元数
    float fu,fv;    
    float magnitude;     //輝度強度
    float direction;     //輝度勾配
    float norm;          //ノルム
    float epsilon = 1.0; //分母が0にならないように
    float *histogram;    //特徴ヒストグラム
    float *cell_feature_vector;  //セルのヒストグラム
    float *block_feature_vector; //ブロックのヒストグラム
	
    // ヒストグラムを計算する(対応する輝度勾配ヒストグラムのビンに強度を累積)
    histogram = new float [histogram_dimension];
    cell_feature_vector = new float [histogram_dimension * cell_row * cell_column];
    for (int i = 0; i < cell_row; i++) {
       for (int j = 0; j < cell_column; j++) {
          // セルごとにヒストグラムを計算する.
          memset(histogram, 0, histogram_dimension * sizeof(float));
          for (int v = 0; v < cell_height; v++) {
             y = i * cell_height + v;
             for (int u = 0; u < cell_width; u++) {
                x = j * cell_width + u;
                // 勾配強度・勾配方向を求める．
                if ((x > 0) && (x < width) && (y > 0) && (y < height)) {
                   fu = image->imageData[(image->width * y + (x + 1)) * 3] - image->imageData[(image->width * y + (x - 1)) * 3];
                   fv = image->imageData[(image->width * (y + 1) + x) * 3] - image->imageData[(image->width * (y - 1) + x) * 3];
                   magnitude = sqrt(fu * fu + fv * fv);   //輝度強度
                   direction = atan(fv / fu) + PI / 2.0;  //輝度勾配
                   // ヒストグラムに投票
                   bin = (int)floor( (direction * (180.0 / PI)) * ((float)(histogram_dimension - 1) / 180.0) );
                   histogram[bin] += magnitude;
                }
             }
          }
          for (int d = 0; d < histogram_dimension; d++) {
             cell_feature_vector[(d * cell_row + i) * cell_column + j] = histogram[d];
          }
       }  
    }
    delete [] histogram;   //不要なヒストグラムを解放
    // ブロックごとに正規化する
    block_feature_vector = new float [block_dimension];
    for (int i = 0; i < cell_row - block_row + 1; i++) {            //縦のセル数
       for (int j = 0; j < cell_column - block_column + 1; j++) {  //横のセル数
          for (int k = 0; k < block_row; k++) {               //ブロック数
             for (int l = 0; l < block_column; l++) {        //ブロック数
                for (int d = 0; d < histogram_dimension; d++) {
                   block_feature_vector[(d * block_row + k) * block_column + l] 
                 = cell_feature_vector[(d * cell_row + (i + k)) * cell_column + (j + l)];
                }
             }
          }
          norm = 0.0;  //ノルムの初期化
          for (int d = 0; d < block_dimension; d++) {
             norm += block_feature_vector[d] * block_feature_vector[d];  //合計値を計算
          }
          for (int d = 0; d < block_dimension; d++) {
             //正規化処理
             feature_vector[(d * (cell_row - block_row + 1) + i) * (cell_column - block_column + 1) + j] 
            = block_feature_vector[d] / sqrt(norm + epsilon * epsilon);
          }
       }   
    }
    //ヒストグラムを解放
    delete [] cell_feature_vector;
    delete [] block_feature_vector;
 }

&big(){・不備がある可能性があります．あらかじめご了承ください．}




----
Total access：&counter()
Today access：&counter(today)

**HOG特徴量(Histograms of Oriented Gradients)

　HOGは，画像の局所領域から輝度勾配・輝度強度を取り出す特徴量です．物体の大まかな形状を表現可能です．一般に歩行者や人工物など，物体を検出するために使われています．HOGでは，輝度勾配ヒストグラム(物体の見えから得られる角度毎のヒストグラムのこと．画素ごとに得られます．)の対応する要素に，輝度強度を累積します．さらに，正規化処理によりヒストグラムの形状を整えるので，明るさの変化に対応可能であると言われております．ステップは以下に示します．

&big(){Step.0}
局所領域をブロック・セルに分割(画像をブロックに分割します．さらにブロックを分割した領域がセルになります．)

&big(){Step.1}
ブロックを移動．セルの中における輝度勾配ヒストグラムを計算する．

&big(){Step.2}
ブロックごとに正規化する．

&big(){Step.3}
全てのヒストグラムを統合して特徴量とする．

Step.1 と Step.2が繰り返し

参考文献
-[[N.Dalal, B.Triggs,"Histograms of oriented gradients for human detection",Proc.of IEEE Conference on Computer Vision and Pattern Recognition (CVPR),pp.886-893,2005>>http://ljk.imag.fr/membres/Bill.Triggs/////////pubs/Dalal-cvpr05.pdf]]

C++,OpenCVによる実装例
----

&big(){・HOGは一般的に学習器(SVM,AdaBoostなど)と組み合わせて使います．識別器を生成して認識します．}

 /*                      HOG特徴量                           */
 // image:画像の配列
 // width:画像の幅
 // height:画像の高さ
 // histogram_dimension:ヒストグラムの要素数
 // cell_column:セルの列数（横方向に画像を何分割するか）
 // cell_row:セルの行数（縦方向の画像を何分割するか）
 // block_column:１ブロックの列数
 // block_row:１ブロックの行数
 // feature_vector:HOG特徴ベクトルの配列
 // feature_vector_dimension:HOG特徴ベクトルの次元数
 //histogram_dimension*block_column*block_row*(cell_row - block_row) * (cell_column - block_column)
 void HOG(IplImage *image, int width, int height, int histogram_dimension, int cell_column, 
 int cell_row, int   block_column, int block_row, float *feature_vector, int feature_vector_dimension)
 {
    int x,y;     //繰り返し変数
    int bin;     //ビンの位置
    int cell_width = width / cell_column;  //セルサイズ(幅)
    int cell_height = height / cell_row;   //セルサイズ(高さ)
    int block_dimension = histogram_dimension * block_column * block_row; //ブロックの次元数
    float fu,fv;    
    float magnitude;     //輝度強度
    float direction;     //輝度勾配
    float norm;          //ノルム
    float epsilon = 1.0; //分母が0にならないように
    float *histogram;    //特徴ヒストグラム
    float *cell_feature_vector;  //セルのヒストグラム
    float *block_feature_vector; //ブロックのヒストグラム
	
    // ヒストグラムを計算する(対応する輝度勾配ヒストグラムのビンに強度を累積)
    histogram = new float [histogram_dimension];
    cell_feature_vector = new float [histogram_dimension * cell_row * cell_column];
    for (int i = 0; i < cell_row; i++) {
       for (int j = 0; j < cell_column; j++) {
          // セルごとにヒストグラムを計算する.
          memset(histogram, 0, histogram_dimension * sizeof(float));
          for (int v = 0; v < cell_height; v++) {
             y = i * cell_height + v;
             for (int u = 0; u < cell_width; u++) {
                x = j * cell_width + u;
                // 勾配強度・勾配方向を求める．
                if ((x > 0) && (x < width) && (y > 0) && (y < height)) {
                   fu = image->imageData[(image->width * y + (x + 1)) * 3] - image->imageData[(image->width * y + (x - 1)) * 3];
                   fv = image->imageData[(image->width * (y + 1) + x) * 3] - image->imageData[(image->width * (y - 1) + x) * 3];
                   magnitude = sqrt(fu * fu + fv * fv);   //輝度強度
                   direction = atan(fv / fu) + PI / 2.0;  //輝度勾配
                   // ヒストグラムに投票
                   bin = (int)floor( (direction * (180.0 / PI)) * ((float)(histogram_dimension - 1) / 180.0) );
                   histogram[bin] += magnitude;
                }
             }
          }
          for (int d = 0; d < histogram_dimension; d++) {
             cell_feature_vector[(d * cell_row + i) * cell_column + j] = histogram[d];
          }
       }  
    }
    delete [] histogram;   //不要なヒストグラムを解放
    // ブロックごとに正規化する
    block_feature_vector = new float [block_dimension];
    for (int i = 0; i < cell_row - block_row + 1; i++) {            //縦のセル数
       for (int j = 0; j < cell_column - block_column + 1; j++) {  //横のセル数
          for (int k = 0; k < block_row; k++) {               //ブロック数
             for (int l = 0; l < block_column; l++) {        //ブロック数
                for (int d = 0; d < histogram_dimension; d++) {
                   block_feature_vector[(d * block_row + k) * block_column + l] 
                 = cell_feature_vector[(d * cell_row + (i + k)) * cell_column + (j + l)];
                }
             }
          }
          norm = 0.0;  //ノルムの初期化
          for (int d = 0; d < block_dimension; d++) {
             norm += block_feature_vector[d] * block_feature_vector[d];  //合計値を計算
          }
          for (int d = 0; d < block_dimension; d++) {
             //正規化処理
             feature_vector[(d * (cell_row - block_row + 1) + i) * (cell_column - block_column + 1) + j] 
            = block_feature_vector[d] / sqrt(norm + epsilon * epsilon);
          }
       }   
    }
    //ヒストグラムを解放
    delete [] cell_feature_vector;
    delete [] block_feature_vector;
 }

&big(){・不備がある可能性があります．あらかじめご了承ください．}




----