资源简介
可以进行行人检测的简单代码,测试有效,可以执行,运行结果良好
代码片段和文件信息
%Matlab版HOG代码
function F = hogcalculator(img cellpw cellph nblockw nblockh...
nthet overlapissigned normmethod);
% HOG特征由Dalal在2005 cvpr 的一篇论文中提出
% NORMMETHOD:重叠块中的特征标准化函数的方法
% e为一个设定的很小的数使分母不为0
% v为标准化前的特征向量
% ‘none‘ which means non-normalization;
% ‘l1‘ which means L1-norm normalization; V=V/(V+e)
% ‘l2‘ which means L2-norm normalization; V=V/根号(V平方+e平方)
% ‘l1sqrt‘V=根号(V/(V+e))
% ‘l2hys‘l2的省略形式。将V最大值限制为0.2
if nargin < 2
% 在DALAL论文中指出的在rows:128*columns:64情况下的最佳值,设定为DEFAULT
cellpw = 8;
cellph = 8;
nblockw = 2;
nblockh = 2;
nthet = 9;
overlap = 0.5;
issigned = ‘unsigned‘;
normmethod = ‘l2hys‘;
else
if nargin < 9
error(‘输入参数不足.‘);
end
end
[M N K] = size(img); %M为行数,N为列数,K为维数
if mod(Mcellph*nblockh) ~= 0 %行数必须为块的高度的整数倍
error(‘图片行数必须为块的高度的整数倍.‘);
end
if mod(Ncellpw*nblockw) ~= 0 %列数必须为块的宽度的整数倍
error(‘图片列数必须为块的宽度的整数倍.‘);
end
if mod((1-overlap)*cellpw*nblockw cellpw) ~= 0 ||... %要使滑步后左边是整数
mod((1-overlap)*cellph*nblockh cellph) ~= 0
error(‘滑步的像素个数必须为细胞单元尺寸的整数倍‘);
end
%设置高斯空间权值窗口的方差
delta = cellpw*nblockw * 0.5;
%计算梯度矩阵 梯度的计算【-1,0,1】效果是很好的,而3*3的sobel算子或者2*2的对角矩阵反而会系统的降低效果
hx = [-101];
hy = -hx‘; %转置
gradscalx = imfilter(double(img)hx); %imfilter是滤波器,hx表示滤波掩膜
gradscaly = imfilter(double(img)hy);
if K > 1
gradscalx = max(max(gradscalx(::1)gradscalx(::2)) gradscalx(::3)); %取RGB中最大值
gradscaly = max(max(gradscaly(::1)gradscaly(::2)) gradscaly(::3));
end
gradscal = sqrt(double(gradscalx.*gradscalx + gradscaly.*gradscaly)); %梯度矩阵 gradscal
% 计算梯度方向矩阵
gradscalxplus = gradscalx+ones(size(gradscalx))*0.0001; %防止为0,所以gradscalx加了0.0001
gradorient = zeros(MN); %初始化梯度方向矩阵
% unsigned situation: orientation region is 0 to pi.
if strcmp(issigned ‘unsigned‘) == 1 %无向的情况
gradorient =...
atan(gradscaly./gradscalxplus) + pi/2; %加pi/2因为atan的区间取值从-pi/2开始
or = 1;
else
% signed situation: orientation region is 0 to 2*pi. %有向的情况
if strcmp(issigned ‘signed‘) == 1
idx = find(gradscalx >= 0 & gradscaly >= 0);
gradorient(idx) = atan(gradscaly(idx)./gradscalxplus(idx));
idx = find(gradscalx < 0);
gradorient(idx) = atan(gradscaly(idx)./gradscalxplus(idx)) + pi;
idx = find(gradscalx >= 0 & gradscaly < 0);
gradorient(idx) = atan(gradscaly(idx)./gradscalxplus(idx)) + 2*pi;
or = 2;
else
% error(‘Incorrect ISSIGNED parameter.‘);
error(‘参数ISSIGNED输入有误‘);
end
end
% 计算块的滑步
xbstride = cellpw*nblockw*(1-overlap); %x方向的滑步
ybstride = cellph*nblockh*(1-overlap);
xbstridend = N - cellpw*nblockw + 1; %x方向块左角能达到的最大值
ybstridend = M - cellph*nblockh + 1;
% 块总数=ntotalbh*ntotalbw
ntotalbh = ((M-cellph*nblockh)/ybstride)+1; %除了第一个,后面每
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-03-09 14:03 可以用的行人检测\
文件 9572 2011-05-11 18:32 可以用的行人检测\HOG.m
目录 0 2018-03-09 14:03 可以用的行人检测\SVM_Toolbox\
文件 176640 2009-11-08 22:30 可以用的行人检测\SVM_Toolbox\SVM的工具箱简介.doc
目录 0 2018-03-09 14:03 可以用的行人检测\SVM_Toolbox\osu_svm3.00\
文件 2905 2002-02-25 11:38 可以用的行人检测\SVM_Toolbox\osu_svm3.00\Contents.m
文件 1978 2002-02-15 15:26 可以用的行人检测\SVM_Toolbox\osu_svm3.00\LinearSVC.m
文件 234 2001-12-06 18:24 可以用的行人检测\SVM_Toolbox\osu_svm3.00\Normalize.m
文件 2880 2002-02-15 16:26 可以用的行人检测\SVM_Toolbox\osu_svm3.00\PolySVC.m
文件 2431 2002-02-15 15:46 可以用的行人检测\SVM_Toolbox\osu_svm3.00\RbfSVC.m
文件 5967 2002-02-15 16:28 可以用的行人检测\SVM_Toolbox\osu_svm3.00\SVMClass.m
文件 4067 2002-02-15 18:35 可以用的行人检测\SVM_Toolbox\osu_svm3.00\SVMPlot.m
文件 5845 2002-02-15 17:44 可以用的行人检测\SVM_Toolbox\osu_svm3.00\SVMPlot2.m
文件 7212 2002-02-15 16:09 可以用的行人检测\SVM_Toolbox\osu_svm3.00\SVMTest.m
文件 5415 2002-02-15 16:26 可以用的行人检测\SVM_Toolbox\osu_svm3.00\SVMTrain.m
文件 504 2002-01-28 12:47 可以用的行人检测\SVM_Toolbox\osu_svm3.00\Scale.m
文件 1728 1997-08-13 06:33 可以用的行人检测\SVM_Toolbox\osu_svm3.00\cmap.mat
目录 0 2018-03-09 14:03 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\
文件 144664 2000-06-22 00:30 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\DemoData_class.mat
文件 144656 2000-02-23 01:01 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\DemoData_test.mat
文件 432016 2000-02-23 00:56 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\DemoData_train.mat
文件 38496 2002-02-25 10:38 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\SVMClassifier.mat
文件 1907 2002-02-15 16:36 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\c_clademo.m
文件 2892 2002-02-15 15:59 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\c_lindemo.m
文件 3369 2002-02-25 11:15 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\c_poldemo.m
文件 3248 2002-02-25 11:15 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\c_rbfdemo.m
文件 749 2002-02-25 09:30 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\c_svcdemo.m
文件 3382 2002-02-25 11:14 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\one_rbfdemo.m
文件 612 2000-10-10 05:01 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\osusvmdemo.m
文件 1910 2002-02-25 09:33 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\u_clademo.m
文件 2894 2002-02-25 09:34 可以用的行人检测\SVM_Toolbox\osu_svm3.00\demo\u_lindemo.m
............此处省略288个文件信息
- 上一篇:小波变换及其MATLAB工具的应用.pdf
- 下一篇:UWB各种算法合集
评论
共有 条评论