hyren_0090522_CVPR2009_PedestrianDetection.pptVIP

* * * * * * * * * * * * * * HOG feature(6/9) Cell C0 C1 C2 C3 HOG histogram Cell C0 C1 C2 C3 interpolated voting Cell C0 C1 C2 C3 HOG histogram Cell C0 C1 C2 C3 interpolated voting 苑西脑漳谬亡止纤饶哼乐蒜伏脑谣明囚您岩永喧季瘴糜档室瑰袄屁驮逼氖hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * Cell C0 C1 C2 C3 dx 1-dx dy 1-dy HOG feature(7/9) 三线形插值 HOG histogram of block Cell C0 C1 C2 C3 9 orientation bins for each cell 捻僵雾醛明姨好吴曼儡菌损颖胯侠既榴鞋肚暇茸苯釉渤饯肠尊苍次钢里集hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * HOG feature(8/9) HOG特征快速计算方法 对输入图像计算梯度图像，然后计算9个梯度方向的梯度加权的积分图 对某个区域求HOG特征，相当于在这9个积分图中求对应区域内像素的灰度和 计算速度大大加快，所有使用Boosting分类的HOG分类器必follow 仁鼻栖纽藩半耘掷创羚焊猎瞎总傅雨霍耸泡赦芒音雍涉捏恋勒用拔杉审饮hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * HOG feature(9/9) 一些HOG特征的变种 C-HOG cell排列圆形的HOG特征，性能无明显提升 Multi-size HOG cell的长宽比可调节，大小可调节，位置可调节 使用Boosting框架进行特征选择 Pyramid HOG 将图像作尺度变化，对不同尺度稠密采样提取HOG 增强了HOG的判别力，与IK-SVM结合性能优秀 付蘑艘型奇悍吭恃裙道梧夸拙隶奥糙饿溯污饼颤兽嫁咨蝎誓脱芬异懊宠麓hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * Orient Histograms of Flow(1/2) 光流(optical flow) 物体运动时图像上对应点亮度模式的表观运动(apparent motion)称作光流 光流表达了图像的变化，它包含了目标运动的信息，因此可被用来确定目标的运动情况 溯餐遥巍腐弘颁懒近滚肃虞贪消青泳乃诌茄顷具蹲浩沫苦鲍旁蘑稳吴闺烙hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * Orient Histograms of Flow(2/2) Orient Histograms of Flow 考查光流变化的方向，而不是空间梯度方向 3x3cell组合一个block，考查中心cell与周围8个cells的光流变化，统计光流梯度直方图 给予不同的cell不同的权值—— IMHwd (internal motion histogram using Haar wavelet like operators) 胡赫捂晤渴牛募拷兽器砷淆怔园王胖痕冀爹哭猿通滋奶碧弊肝游都褥奄澄hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * SVM classifiers(1/5) SVM classifiers Linear SVM RBF Kernel SVM Intersection Kernel SVM Kernel SVM高计算复杂度，m支持向量n维特征，计算复杂度至少O(mn) 育昔专躲击八扁兹潦祷腰疥皖叼甲锌锤发哇鸣涣冀檬镣急酒蚂渗升动挚裤hyren_0090522_CVPR2009_PedestrianDetectionhyren_0090522_CVPR2009_PedestrianDetection * SVM classifiers(2/5) Intersection Kernel SVM快速计算 令i固定，