为什么opencv的HOG描述符会返回这么多值

Question

我正在尝试使用 OpenCV 的 HOG 描述符，但从中计算出的特征向量似乎太长了。这是一个演示问题的 sn-p：

#include <stdio.h>
#include <opencv2/opencv.hpp>
#include <stdlib.h>
#include <vector>

int main()
{
    cv::Mat image = cv::imread("1.jpg");
    std::vector<float> features;
    cv::HOGDescriptor hogdis;
    hogdis.compute(image, features);
    printf("HOG feature's length is %zu %zu\n", hogdis.getDescriptorSize(), features.size());
    return 0;
}

输出是

HOG feature's length is 3780 1606500

后一个值似乎很荒谬。图像1.jpg 的尺寸为 256x256x3，其像素比特征向量少得多。为什么 OpenCV 要用这么多值填充特征向量？如何获取 3780 长向量以提供给我的 SVM 训练器？

Answer 1

为什么 OpenCV 要用这么多值填充特征向量？

hog 特征的大小由以下等式确定（并非仅取决于图像尺寸）：

size_hog_features = (size_t)nbins * ( blockSize.width/cellSize.width) 
                         * (blockSize.height/cellSize.height) * ((winSize.width 
                         - blockSize.width)/blockStride.width + 1) 
                         * ((winSize.height - blockSize.height)
                         / blockStride.height + 1);

所以你得到这么长的HOG特征向量是很正常的。

如何获取 3780 长向量以提供给我的 SVM 训练器？

您可以在计算之前设置 HOG 特征的参数（即nbins, blockSize, cellSize, winSize），以获得所需大小的 HOG 特征。

但是为什么 hogdis.getDescriptorSize() 和 features.size() 不一致呢？

它们是不同的。 getDescriptorSize() 返回分类所需的系数数量。并且可以计算如下（参考here）：

HOG descriptor length = #Blocks * #CellsPerBlock * #BinsPerCell

另一方面，features.size() 返回整个图像的所有 HOG 特征大小。

要训练，你需要传入features。