如何改进不同光照下图像的 HOG 物体检测器？答案

【问题标题】：How to improve HOG objector detector for images under different illuminations?如何改进不同光照下图像的 HOG 物体检测器？
【发布时间】：2015-04-05 13:10:38
【问题描述】：

我有一些不同照明下的行人图像，其中一些非常暗且难以检测。所以我试图找到一种方法来预处理这些图像以提高检测率。到目前为止，我正在考虑：

1）颜色校正算法，如http://www.ipol.im/pub/art/2011/llmps-scb/或http://www.ipol.im/pub/art/2011/gl_lcc/

2) OpenCV 的 CLAHE

但 HOG 特征是“梯度”，是一种“相对差异”。那么这些方法在使用 HOG 作为特征时真的有助于提高检测率吗？

感谢任何建议！

【问题讨论】：

理论上 HOG 特征是光照不变的，因为它们只使用梯度方向（所以实际上，梯度幅度是归一化的）
对直方图箱使用强归一化。但是，如果您的照明不稳定，我建议将 HSV 颜色与 HOG 融合以提高检测可能性。前提是你知道你的颜色成分。
本网站可能对您有所帮助：geocities.ws/talh_davidc

标签： algorithm opencv computer-vision

【解决方案1】：

根据我在对象检测方面的经验，当您使用 HoG 描述符的正确规范化时，您所描述的问题就会变得不那么令人担忧。我不知道您使用的是哪种实现，所以我无法判断使用了哪种规范化。

如果您为检测窗口计算 HoG 单元并在全局范围内对整个描述符进行归一化（例如 L2 范数），那么您将遭受如您所描述的光照变化的影响，因为具有大对比度的对象区域将支配具有低对比度的区域对比。相反，如果您按照Dalal-Triggs 和Felzenszwalb et al 的建议对每个单元格块进行归一化，那么您将获得局部对比度归一化，这意味着一半在阴影中、一半在光线中的行人仍会“看起来” ' 就像在 HoG 眼中的行人，每个街区都被更强的梯度（剪影）支配。

如果这没有帮助，您可能需要使用更现代的刚体检测器，这些检测器利用额外的特征通道（例如颜色、纹理）。他们将 HoG 与这些通道相结合，并使用级联范例来选择最适合您的数据集的特征。这种方法的一个很好的例子是Benenson et al.

【讨论】：