针对传统HOG算法只使用梯度信息来描绘图像和提取图像特征,从而在进行图像检测与图像识别时正确率较低等问题,提出了一种改进的HOG算法。首先在图像上利用HOG算法提取特征,然后在原始图像进行全局归一化后,把图像切割成一个个独立的单元,并提取出每一个单元的均值,方差以及与标准人脸的差值信息,最后将所有单元提取出的信息排列成向量再与原始的HOG特征进行结合。通过在LWF数据集上对两种算法进行了对比实验,证明图像在进行不同数量的单元划分情况下,新算法的正确率要优于原始HOG算法。
科研之友
微信
新浪微博
Facebook
分享链接
