如何利用线性支持向量机提高HOG检测器的检测性能？

Question

所以，我想从一个司机录像机记录的视频中检测汽车。我读了很多书，做了很多研究，但还是不太明白。我确实考虑过使用HOG描述符和线性支持向量机。但是，既然这对我来说是一种研究，那么它还能以什么方式改进它，使它更容易实现，更健壮呢？ 我正在考虑将另一种技术/算法与HOG相结合，但还是有点迷茫。我在这方面很新。在

非常感谢任何帮助。我也愿意接受其他更好的想法。在

Answer 1

HOG（定向梯度直方图）只是一种可以从数据中计算出来的特征向量。计算图像中每个像素处的梯度向量，然后将可能的角度分成一个离散的单元。在给定的图像子区域内，将指向给定方向的渐变的总大小添加为包含该方向的相关角盒的条目。在

这就给你留下了一个向量，它的长度等于你为划分角度范围而选择的格数，它充当了一个非标准化的直方图。在

如果要计算同一子区域的其他图像特征，例如像素的总和、锐角或直线的某些测量、颜色分布的方面等等，您可以根据需要计算任意数量的图像，并将它们排列成一个长向量，然后简单地将特征向量和HOG向量连接起来。在

您可能还需要为几个不同的缩放级别重复计算HOG向量，以帮助捕获一些比例变化，将每个特定于比例的HOG向量连接到整体特征向量上。还有其他一些特征概念，如SIFT等，它们的创建是为了自动解释尺度不变性。在

您可能需要进行一些标准化或缩放，您可以在任何标准的支持向量机指南中阅读这些内容。标准LIBSVM guide是一个很好的起点。在

你必须小心地正确地组织你的特征向量，因为你可能会有非常多的组件到特征向量中，你必须确保它们总是被计算和放置在相同的顺序中，并且经历完全相同的缩放或规范化处理。在