Computer vision 8 (hog 알고리즘과 보행자 검출)

HOG 알고리즘과 보행자 검출

HOG Descriptor

• https://docs.opencv.org/4.6.0/d5/d33/structcv_1_1HOGDescriptor.html#a723b95b709cfd3f95cf9e616de988fc8

import cv2
import matplotlib.pyplot as plt

HOG Feature 계산하기 (default)

src = cv2.imread('./data/people1.png')

hog = cv2.HOGDescriptor()
hog_feature = hog.compute(src)

hog_feature.shape # (bin의 개수(9) * 셀의 개수(4) * 가로블록(7) * 세로블록(15))

(3780,)

HOG Feature 계산하기 (파라미터 설정)

src.shape
win_size = (src.shape[1], src.shape[0])
block_size = (16, 16)
block_stride = (8, 8)
cell_size = (8, 8)
nbins = 9

# cv.HOGDescriptor(원본소스의사이즈, 블럭사이즈, 블럭스트라이드, 셀사이즈, 빈의개수)
hog = cv2.HOGDescriptor(win_size, block_size, block_stride, cell_size, nbins)
hog_feature = hog.compute(src)
hog_feature.shape

(3780,)

src_rgb = cv2.cvtColor(src, cv2.COLOR_BGR2RGB)
plt.imshow(src_rgb)

<matplotlib.image.AxesImage at 0x250d1e675b0>

from skimage.feature import hog # hog feature 생성

src = cv2.imread('./data/people1.png')
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

# hog(원본이미지, 셀사이즈, 블럭당셀, 블럭정규화, 시각화, 벡터형태표시여부)
hog_feature, hog_image = hog(gray, pixels_per_cell = (8, 8), cells_per_block = (2, 2), block_norm='L2-Hys',
                             visualize=True, feature_vector=True)

print(hog_feature.shape)

fig = plt.figure()
plt.subplot(121)
plt.imshow(src)

plt.subplot(122)
plt.imshow(hog_image, cmap='gray')

(3780,)





<matplotlib.image.AxesImage at 0x250d316f070>

hog_image.shape

(128, 64)

Reference

• OpenCV 4로 배우는 컴퓨터 비전과 머신 러닝 (황선규 저)