如何改进线性支持向量机检测的HOG检测器？

Question

所以，我想从驾驶记录仪录制的视频中检测汽车。我读了很多，做了很多研究，但还没有完全掌握。我认为使用带有线性SVM的HOG描述符。但是以什么方式使它更容易实现并且更强大，因为这对我来说会是一种研究？ 我想将另一种技术/算法与HOG相结合，但仍然失去了一些。我在这方面很新颖。

任何帮助，非常感谢。我也接受其他更好的想法。

Answer 1

HOG（定向梯度直方图）仅仅是一种可以从数据中计算出来的特征向量。您可以在图像中的每个像素处计算梯度矢量，然后将可能的角度分成离散数量的分箱。在给定的图像子区域内，将指向给定方向的梯度的总量值添加为包含该方向的相关角度区域的条目。

这会为您留下一个长度等于您选择用于划分角度范围的像素数量的矢量，并且可以用作非标准直方图。

如果您想计算相同子区域的其他图像特征，例如像素总和，锐角或线条的某些度量值，颜色分布的各个方面等，则可以计算多少个图像特征或者尽可能少地将它们排列成一个长矢量，并简单地将该特征矢量与HOG矢量连接起来。

您可能还想重复计算几种不同比例级别的HOG矢量，以帮助捕捉一些比例变化，将每个比例特定的HOG矢量连接到整体特征矢量上。还有其他的功能概念，如SIFT等，它们被创建为自动考虑尺度不变性。

您可能需要进行一些规范化或缩放，您可以在任何标准SVM指南中阅读这些规范化或缩放。标准LIBSVM guide是一个开始的好地方。

你必须小心地正确地组织你的特征向量，因为你可能会有大量的组件到特征向量中，并且你必须确保它们总是被计算并放入相同的顺序中并且精确地经过相同的缩放或归一化处理。