在 OpenCV 中使用 GPU 进行目标检测的 HOG 特征

Question

在我的项目中，我在 GPU 上计算同一图像中不同级别的 HOG 特征。我的目标是检测以下对象。
1. 卡车
2. 汽车
3. 人
最重要的问题是在多类目标检测器的情况下选择窗口大小。 This 帖子提供了一个很好的基础，但它没有为在多类特征的情况下选择窗口大小提供答案。
为了解决这个问题，我计算了每个正图像在不同级别/分辨率下的 HOG 特征，保持窗口大小（48*96）相同，但每个图像的文件大约为 600 MB，这太大了。
请让我知道在多类对象检测的情况下如何选择窗口大小、块大小和单元格大小。这是我用来计算 HOG 特征的代码。

void App::run()
{
    unsigned int count = 1;
    FileStorage fs;
    running = true;

    //int width;
    //int height;

    Size win_size(args.win_width, args.win_width * 2); 
    Size win_stride(args.win_stride_width, args.win_stride_height);

    cv::gpu::HOGDescriptor gpu_hog(win_size, Size(16, 16), Size(8, 8), Size(8, 8), 9,
                                   cv::gpu::HOGDescriptor::DEFAULT_WIN_SIGMA, 0.2, gamma_corr,
                                   cv::gpu::HOGDescriptor::DEFAULT_NLEVELS);

    VideoCapture vc("/home/ubuntu/Desktop/getdescriptor/images/image%d.jpg");
    Mat frame;
    Mat Left;
    Mat img_aux, img, img_to_show, img_new;
    cv::Mat temp;
    gpu::GpuMat gpu_img, descriptors, new_img;

    char cbuff[20];



    while (running)
    {

        vc.read(frame);


        if (!frame.empty())
        {
            workBegin();

            width  = frame.rows;
            height = frame.cols;

            sprintf (cbuff, "%04d", count);

            // Change format of the image
            if (make_gray) cvtColor(frame, img_aux, CV_BGR2GRAY);
            else if (use_gpu) cvtColor(frame, img_aux, CV_BGR2BGRA);
            else Left.copyTo(img_aux);

            // Resize image
            if (args.resize_src) resize(img_aux, img, Size(args.width, args.height));
            else img = img_aux;
            img_to_show = img;

            gpu_hog.nlevels = nlevels;

            hogWorkBegin();
            if (use_gpu)
            {
                gpu_img.upload(img);
                new_img.upload(img_new);

                fs.open(cbuff, FileStorage::WRITE);


                for(int levels = 0; levels < nlevels; levels++)
                {
                gpu_hog.getDescriptors(gpu_img, win_stride, descriptors, cv::gpu::HOGDescriptor::DESCR_FORMAT_ROW_BY_ROW);
                descriptors.download(temp);

                //printf("size %d %d\n", temp.rows, temp.cols);

                fs <<"level" << levels;                
                fs << "features" << temp;

                cout<<"("<<width<<","<<height<<")"<<endl;

                width =  round(width/scale);
                height = round(height/scale);

                if( width < win_size.width || height < win_size.height )
                break;

                cout<<"Levels "<<levels<<endl;

                resize(img,img_new,Size(width,height));
                scale *= scale;
                }

                cout<<count<< " Image feature calculated !"<<endl;
                count++;
                //width = 640; height = 480;
                scale = 1.05;

            }

            hogWorkEnd();
            fs.release();
          }
           else  running = false;
       }
} 

Answer 1

应选择窗口大小，s.t.您要检测的对象适合窗口。如果您想为不同类型设置不同的窗口大小，这可能会变得很棘手。

通常你做的事情如下

1. 获取每种对象类型的训练数据，并使用在对象已知位置提取的特征训练 [number of object types] 多个模型。
2. 然后您拍摄每个测试图像并使用滑动窗口方法提取每个位置的特征。然后将这些特征与每个模型进行比较。如果其中一个模型导致得分高于某个阈值，则您已找到该对象。如果不止一个模型得分高于阈值，则只需选择得分最高的模型。

如果您想使用不同大小的检测窗口，您将获得不同大小的特征向量（根据 HoG 特征的性质）。棘手的是，在测试阶段，您必须使用与使用的对象类型一样多的滑动窗口。这肯定行得通，但您必须多次处理每个测试图像，导致处理时间更长）

回答您关于尺寸的问题：我无法为您提供任何价值，它始终取决于您的图像。使用上面提到的图像金字塔是处理不同缩放对象的好方法。

• 窗口大小：整个对象应该适合；必须能被块大小整除
• 块大小必须能被单元格大小整除

可以在here 找到可视化 HoG 特征的示例代码。这也有助于理解特征向量的样子。

编辑： 发现很难，只有cv::Size(8,8) 允许用于单元格大小。见documentation。