HOG特征

摘要： 设计一种基于人眼开闭状态的非接触式疲劳驾驶实时检测方法.利用支持向量机(SVM)方法构造人脸识别分类器,设计一种基于面部坐标点定位的方法,快速定位人眼区域,实现对驾驶员人眼闭合活动的实时检测;利用PERCLOS疲劳判定标准判断驾驶员是否存在疲劳驾驶行为.实验结果表明,该系统可对疲劳驾驶进行有效检测,并及时做出警告提醒.

摘要： 为解决在自然场景中进行汽车油箱盖定位的问题,提出一种非结构环境下基于HoG与SVM的汽车油箱盖视觉检测方法。对汽车图像进行预处理并采用多尺度底帽变换提取图像暗细节特征;利用改进的最大熵阈值分割法分割图像;采用连通区域标记法对二值图进行统计,并在原图中确定目标候选区域;采用HoG特征和支持向量机对候选区域进行分类判决,从而定位汽车油箱盖。结果表明:该方法可以准确地检测出油箱盖位置,即使图像存在光照不均匀、汽车覆盖件表面灰尘、细节模糊等情况,也有较好的定位效果。

摘要： 针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。

摘要： 针对目前HOG提取汉字特征时存在维度过大、特征边缘化的问题,结合汉字网格技术提出一种基于网格的分层HOG特征提取算法。以特征块无重叠的方式提取一层HOG特征,提取底层均匀块的梯度特征,融合两层特征。该算法可有效提取汉字轮廓特征,降低特征维度。在此基础上,提出较为完善的中小学硬笔汉字分类评价框架流程,结合线性PCA降维,采用SVM分类器,实现硬笔汉字的三级分类。通过多个汉字结构的分类实验,验证了该算法的准确性和有效性。

摘要： 表情特征的提取及分类器的选择对识别尤其重要,选用了对表情特征具有更好表征特性的梯度方向特征,欧氏距离分类器.实验结果表明,在JAFFE表情数据库上应用梯度方向特征和欧氏距离分类器,与其他方法相比,设置合适的参数,该方法无需对丰富的梯度方向特征进行特征降维,就能获得更高的识别率,整体识别率达到96.24%.

摘要： 旋转机械的运行过程会产生多种振动信号,导致振动信号与普通信号难以区分,影响振动信号的监测效果,因此提出基于HOG-SVM的旋转机械振动信号监测系统。系统硬件部分,根据系统整体框架,设计系统电源、存储,振动信号处理分析等各项硬件模块的功能。系统软件部分,灰度化与归一化处理旋转机械振动信号的时频谱图,根据处理结果提取时频谱图的HOG特征。依据HOG特征,构建振动信号监测的SVM分类目标函数,在最优分类超平面的支持下,构建旋转机械振动信号分类监测的决策函数,从而输出振动信号监测结果。实验结果表明,所设计系统针对旋转机械振动信号特征提取的误差明显缩短,并且所设计系统能够提高振动信号的监测效果,振动信号检测结果与实际信号结果基本一致。

摘要： 目标跟踪是计算机视觉的关键技术之一,应用于模式识别、自动控制等领域.深度学习的跟踪算法具有良好的性能,但在快速运动情况下,低层HOG特征易受影响,跟踪性能较弱.提出一种结合线下训练深度特征的鲁棒跟踪方法.通过线下训练VGG模型,线上构造双HOG特征并进行最优选择,将线下训练提取的特征迁移到线上,与最优HOG特征响应融合.首先,线下逐层训练VGG网络,卷积层负责提取卷积特征.然后,在线提取当前帧目标区域的HOG特征,并分解为HOG1和HOG2,对其进行滤波处理,选择最优特征.最后,融合卷积特征响应和HOG最优特征响应得到特征响应图,预测目标的新位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比.结果表明,该方法在处理快速运动、背景混乱、形变等跟踪方面具有良好的性能.

摘要： 为了快速准确定位到人脸区域,解决人脸检测的速率和准确率有待进一步提高问题,提出了一种基于最优奇异值占比的融合特征人脸检测方法。首先,通过奇异值图像分解方法保留人脸图像有效信息,同时对图像实现降维重构;其次,在不同奇异值占比下,通过对比人脸图像的压缩率和准确率获取最优奇异值占比值;最后,基于最优奇异值占比,提出融合HOG,Haar特征人脸检测方法的集成分类方法。结果表明:在ORL人脸图像数据库上,获取的最优奇异值占比值为98%;人脸图像通过降维及重构处理后其空间复杂度降低了78.5%。在重构后的数据上,所提出的融合特征检测方法相对于HOG,LBP和Haar特征的人脸检测方法,检测准确率分别提高2%,17%和10%;相对于基于CNN的人脸检测方法其检测准确率降低0.5%,但检测速率提高99.2%。因此,作者提出的融合模型取得了较好的人脸检测效果。

摘要： 针对当前手势姿态估计算法未充分利用2D信息辅助3D手部mesh重建的问题,首次在手部Mask、2D热力图的基础上提出引入RGB图像的HOG特征图,通过多任务学习CNN的框架对2D信息进行特征提取,并针对手的拓扑结构进行信息融合增强。为了解决Transformer encoder中的隐层embeddings维度一致性以及参数过大问题,设计了一种新的MLP(multi-layer perception)模块嵌入Transformer encoder之间,达到embeddings的数量渐进增加以及其维度渐进减少的目的,从而完成手部mesh精细化的预测。实验结果表明该CNN与Transformer混合的新框架在FreiHAND和RHD数据集均取得了较好效果。

摘要： 针对老年人群所发生的行为能够进行有效识别,提出了一种二维轮廓特征和方向梯度直方图(HOG)特征相结合的方式来检测人体行为,其中二维轮廓特征包括:人体质心高度h、人体宽高比k、人体质心的变化速度v.首先运用高斯混合模型进行背景识别;之后利用背景减除法对目标图像进行提取,并获得HOG特征和人体二位轮廓特征构建人体行为特征向量,利用SVM对于人体行为进行分类;最后对于获取的图像资料进行识别与分析.结果表明:该图像识别算法的平均正确率达到了97.1％,能够对人体行为进行有效识别.

摘要： 近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.

摘要： 近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.

摘要： 近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.

摘要： 近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.

摘要： 近年来,基于机器学习的图像识别技术得到了广泛的应用.本文利用HOG特征和SVM分类器实现了对变电站硬压板状态的智能检测.首先,对输入图像进行伽马校正和归一化,完成对输入图像的预处理;然后,利用HOG算法提取出图像的特征;最后,结合SVM分类器来识别图像中硬压板的状态.在此基础上,开发了一种智能辅助压板检测的应用程序,不需要对二次电力设备进行任何改造,就能完成变电站硬压板的状态检测和智能检查.实际使用表明,变电站硬压板的状态识别精度高,应用效果好.

摘要： HOG特征是一种简单且高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战.解决方法之一就是通过使用神威太湖之光超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速.申威SW26010处理器是完全由中国自主研发的"中国芯",具有核心众多、计算性能高和能耗低的优势.本文主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片.两种并行设计方案均有良好的并行效果,通过大量的串行和并行处理的实验测试,并进行数据的对比分析,结果表明:对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95.在多处理器节点上进行的实验结果表明,本文并行设计方案在神威太湖之光的多处理器节点上具有很好的扩展性能.

摘要： HOG特征是一种简单且高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战.解决方法之一就是通过使用神威太湖之光超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速.申威SW26010处理器是完全由中国自主研发的"中国芯",具有核心众多、计算性能高和能耗低的优势.本文主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片.两种并行设计方案均有良好的并行效果,通过大量的串行和并行处理的实验测试,并进行数据的对比分析,结果表明:对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95.在多处理器节点上进行的实验结果表明,本文并行设计方案在神威太湖之光的多处理器节点上具有很好的扩展性能.

摘要： HOG特征是一种简单且高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战.解决方法之一就是通过使用神威太湖之光超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速.申威SW26010处理器是完全由中国自主研发的"中国芯",具有核心众多、计算性能高和能耗低的优势.本文主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片.两种并行设计方案均有良好的并行效果,通过大量的串行和并行处理的实验测试,并进行数据的对比分析,结果表明:对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95.在多处理器节点上进行的实验结果表明,本文并行设计方案在神威太湖之光的多处理器节点上具有很好的扩展性能.

摘要： HOG特征是一种简单且高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战.解决方法之一就是通过使用神威太湖之光超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速.申威SW26010处理器是完全由中国自主研发的"中国芯",具有核心众多、计算性能高和能耗低的优势.本文主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片.两种并行设计方案均有良好的并行效果,通过大量的串行和并行处理的实验测试,并进行数据的对比分析,结果表明:对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95.在多处理器节点上进行的实验结果表明,本文并行设计方案在神威太湖之光的多处理器节点上具有很好的扩展性能.

摘要： HOG特征是一种简单且高效的常用来进行物体检测的特征描述子,广泛应用于行人检测等领域,然而在处理海量图片时却面临着严峻的性能挑战.解决方法之一就是通过使用神威太湖之光超级计算机的处理器节点对海量图像背景下的行人检测算法进行加速.申威SW26010处理器是完全由中国自主研发的"中国芯",具有核心众多、计算性能高和能耗低的优势.本文主要采用了两种并行方案:一种是一个处理器同时处理4张图片,另一种是同时处理256张图片.两种并行设计方案均有良好的并行效果,通过大量的串行和并行处理的实验测试,并进行数据的对比分析,结果表明:对高分辨率多幅图像的并行处理可采用第一种方案,加速比可达83倍;对低分辨率图像可采用第二种方案,加速比最高可达到95.在多处理器节点上进行的实验结果表明,本文并行设计方案在神威太湖之光的多处理器节点上具有很好的扩展性能.

摘要： 本发明公开一种结合超像素显著性特征与HOG特征的图像分类算法和系统，包括以下步骤：步骤1，将原始数据集进行HOG特征提取得到特征集A；步骤2，利用超像素分割对原始数据集进行处理，得到重构显著性图像数据集；步骤3，将重构后的显著性图像集利用SLBP编码方式得到新的特征集B，所述SLBP编码方式是对传统LBP编码方式的改进；步骤4，特征融合，将步骤1和步骤3所得到特征集A和特征集B进行相加；步骤5，结合步骤4得到的训练数据，利用KNN分类器对测试数据进行监督分类并计算分类精度。本发明方法较好地满足了小型工程设计对传统机器学习算法的要求，一定程度上提好了图像分类精度。

摘要： 本发明涉及智能监控技术领域，且公开了基于Gabor特征和HOG特征融合的行人检测系统，包括首先对输入图像进行预处理，若图像不是人脸图像，需要先对图像进行人脸检测、人脸截图和人脸对齐，然后针对人脸图像进行灰度化、滤波和归一化，构造Gabor滤波器组，设置滤波器的核尺寸和方向，构造Gabor滤波器组。本发明通过计算每个单元的每个像素的梯度，并统计细胞单元的梯度方向直方图，以30°为间隔划分6个bin，则每个细胞单元可以得到一个6维的特征向量，最后将块归一化的特征向量进行串联，合成HOG特征向量，通过此过程，可以得到20张特征图，该特征图为二级特征，采用PCA对融合特征进行降维，最后用SVM作为分类器进行人脸识别，简化操作，提高人脸识别的效率。

摘要： 本发明公开了一种基于HOG特征和MB‑LBP特征的SVM车辆轴数检测方法，包括（a）搭建基于视觉的车辆轴数轴距测量系统；（b）采集样本图像，其中分别拍摄轮胎图像和非轮胎图像作为正样本和负样本；（c）提取出样本的HOG特征向量；（d）提取出样本的MB‑LBP特征向量；（e）将样本的HOG特征向量和MB‑LBP特征向量融合为样本最终的特征向量；（f）将最终的特征向量作为SVM的训练样本对SVM进行训练，得到轮胎识别的SVM模型；（g）拍摄待检测车辆的轮胎图像，利用训练好的SVM模型识别出轮胎并统计出车辆的轴数。本发明方法将HOG特征与MB‑LBP特征进行融合，增强了特征描述的准确性，提高了检测算法的实时性，并可以用于对车辆轴距进行计量。

摘要： 本发明公开了一种基于多尺度HOG特征和深层特征的合成素描人脸识别的算法。本发明具体包括如下步骤：S1、对素描‑照片人脸对进行预处理；S2、根据图像面部关键点对图像进行关键部位的提取；S3、提取图像全图以及各个关键部位的HOG特征，得到多尺度HOG特征，以此描述图像的底层特征，利用预训练好的深度学习网络模型对图像全图进行深度特征提取，以此描述图像的高层特征；S4、求取各类特征对应的相似度矩阵，通过自适应权重的方法对图像的各类特征进行特征重要度判断，利用得到的权重将各类特征的相似度矩阵进行分数层融合，得到最终相似度矩阵，通过相似度矩阵得到最终的识别结果。本方法具有素描人脸图像的识别准确率高的优点。

摘要： 本发明公开一种结合超像素显著性特征与HOG特征的图像分类算法和系统，包括以下步骤：步骤1，将原始数据集进行HOG特征提取得到特征集A；步骤2，利用超像素分割对原始数据集进行处理，得到重构显著性图像数据集；步骤3，将重构后的显著性图像集利用SLBP编码方式得到新的特征集B，所述SLBP编码方式是对传统LBP编码方式的改进；步骤4，特征融合，将步骤1和步骤3所得到特征集A和特征集B进行相加；步骤5，结合步骤4得到的训练数据，利用KNN分类器对测试数据进行监督分类并计算分类精度。本发明方法较好地满足了小型工程设计对传统机器学习算法的要求，一定程度上提好了图像分类精度。

摘要： 本发明涉及基于多尺度局部块LBP直方图特征与Co‑HOG特征相结合的人眼检测算法，包括以下步骤：对作为训练样本的人眼图像进行大小归一化预处理；接着提取图像的多尺度局部块LBP直方图特征与Co‑HOG特征来表述人眼；然后利用连续AdaBoost算法训练级联分类器；最后得到的分类器能够在归一化后人脸图像中检测出人眼区域。本发明提出的人眼检测方法优点在于：检测精度高，检测速度快，抗干扰性强。

摘要： 本发明公开了一种基于HOG特征和颜色直方图特征的密度人群计数的方法，包括下述步骤：S1、对采集到的图像区域进行HOG特征的提取，并对产生HOG特征的检测窗口的颜色直方图特征的提取；S2、采用基于HOG特征训练得到第一个SVM分类器，所述第一个SVM分类器用于对检测区域进行预估计，再采用基于颜色直方图特征训练得到第二个SVM分类器，所述第二个SVM分类器用于对预估计后的检测区进行第二次分类；然后通过加权联合两个SVM分类器所得到的结果来确定检测区域是否为人头区域；S3、根据检测出来的人头区域，采用以光流法为基础的区域匹配方法来实现视频中人群的数量统计。本发明提出的基于HOG特征和颜色直方图特征的密度人群计数的方法具有较好的准确性和抗干扰性。

摘要： 本申请提供一种基于HOG特征的表情识别方法，包括：获取面部图像；提取所述面部图像的梯度方向直方图特征；利用主成分分析算法对所述梯度方向直方图特征进行降维；利用SVM模型学习所述梯度方向直方图特征确定若干弱分类器，并利用adaBoost模型根据若干所述弱分类器加权求和得到的增强分类器对所述梯度方向直方图特征进行识别，得到面部表情。本申请通过选择高权重区域的特征来提升分类性能，能够有效识别面部表情，提高面部表情的识别精度。本申请还提供一种基于HOG特征的表情识别系统、计算机可读存储介质和电子设备，具有上述有益效果。

摘要： 一种基于概率图谱、HOG特征与岭回归的视觉目标跟踪方法，该方法包括以下步骤：（1）生成预处理概率图谱以及反馈图谱滤波器；(2)基于两部分HOG特征与岭回归的跟踪模型对目标进行定位。本发明通过提取两部分HOG视觉特征，并采用概率图谱对特征进行预处理，再结合岭回归模型对目标进行定位于跟踪，可以更加充分地利用目标的周边信息，同时可以有效地过滤掉目标的背景信息，从而提高分类器的判别性能。

摘要： 本申请涉及一种基于HOG特征的印章快速查询方法及系统，包括获取经当前印章查询主体发送的需要查询的当前需求印章的查询印章初始信息，根据所述印章查询关键词生成标准电子印章图像，并根据所述标准电子印章图像生成当前查询图像标准HOG特征；生成当前查询印章初始特定HOG特征，生成当前确定查询印章特征；将所述当前确定查询印章特征与各预存标准HOG印章特征对比，并筛选出与所述当前确定查询印章特征相匹配的预存标准HOG印章特征所对应的预存标准印章。本发明实现基于印章查询关键词和印章特殊要求特征实现了灵活化印章查询，并再基于预存标准HOG印章特征，保证了查询灵活性的同时能够降低检索时间、提升检索效率以及提高检索精准度。