HOF特徵
HOF(Histogramsof Oriented Optical Flow)與HOG類似,是對光流方向進行加權統計,得到光流方向資訊直方圖。通常用於動作識別中。
不懂HOG特徵的,這篇文章講得很清楚。
由於目標的尺寸會隨著時間發生變化,相應的光流特徵描述子的維度也會變化,同時,光流的計算對背景噪聲、尺度變化以及運動方向都較敏感,因此需要尋找一種基於光流的既能表徵時域動作資訊,又對尺度和運動方向不敏感的特徵。HOF則是基於此需求提出來的。
對於光流法,這篇文章有介紹。- 光流計算
對每幀影像計算對應的光流場。
-
統計直方圖
計算光流向量與橫軸的夾角,根據角度值將其投影到對應的直方圖bin中,並根據該光流的幅值進行加權。
當角度落在範圍時,
其幅值作用到直方圖第b個bin中最後歸一化直方圖。
補充:
- 以橫軸為基準計算夾角能夠使HOF特徵對運動方向(向左和向右)不敏感。
- 通過歸一化直方圖實現HOF特徵的尺度不變性。
- HOF直方圖通過光流幅值加權得到,因此小的背景噪聲對直方圖的影響微乎其微。
- 通常直方圖bin取30以上識別效果較好。
相關文章
- 有料有名堂 影馳HOF OC LAB大師系列記憶體發售記憶體
- 特徵值與特徵向量特徵
- 特徵提取之Haar特徵特徵
- 特徵值和特徵向量特徵
- 特徵工程:互動特徵與多項式特徵理解特徵工程
- 特徵工程之特徵表達特徵工程
- 特徵工程之特徵選擇特徵工程
- 影象特徵提取之HoG特徵特徵HOG
- 特徵值 和 特徵向量,thrive特徵
- 08 特徵工程 - 特徵降維 - LDA特徵工程LDA
- 影像特徵計算——紋理特徵特徵
- 特徵工程之特徵預處理特徵工程
- 機器學習 特徵工程之特徵選擇機器學習特徵工程
- 特徵模型和特徵-這是什麼?特徵模型
- 矩陣的特徵值和特徵向量矩陣特徵
- 特徵工程特徵工程
- 特徵工程 特徵選擇 reliefF演算法特徵工程演算法
- 機器學習的靜態特徵和動態特徵機器學習特徵
- 特徵融合與特徵互動的區別特徵
- 特徵工程系列:(三)特徵對齊與表徵特徵工程
- 特徵選擇和特徵生成問題初探特徵
- [特徵工程系列三]顯性特徵的衍生特徵工程
- 從高斯消元法到特徵值特徵向量特徵
- 機器學習-特徵提取機器學習特徵
- 機器學習 | 特徵工程機器學習特徵工程
- Cobaltstrike去除特徵特徵
- 機器學習——特徵工程機器學習特徵工程
- 特徵提取-map特徵
- 特徵工程梗概特徵工程
- 機器學習特徵工程機器學習特徵工程
- 特徵工程思路特徵工程
- webshell流量特徵Webshell特徵
- 特徵檢測特徵
- sift、surf、orb 特徵提取及最優特徵點匹配ORB特徵
- [特徵工程系列一] 論特徵的重要性特徵工程
- xgboost 特徵選擇,篩選特徵的正要性特徵
- 【特徵值 / 特徵向量】- 圖解線性代數 11特徵圖解
- 特徵值與特徵向量的幾何含義(轉)特徵