37、基于HOG特征的简单人脸检测算法实现

c7d8e

于 2025-07-24 00:15:41 发布

阅读量7

点赞数

CC 4.0 BY-SA版权

分类专栏： Python数据科学实战指南文章标签： HOG特征人脸检测支持向量机

本文链接：https://blog.csdn.net/c7d8e/article/details/149586672

Python数据科学实战指南专栏收录该内容

37 篇文章 ¥399.00 ¥499.90

订阅专栏

超级会员免费看

基于HOG特征的简单人脸检测算法实现

1. HOG特征提取

HOG（Histogram of Oriented Gradients）特征是一种用于目标检测的特征描述符，在人脸检测中有着广泛的应用。其主要步骤如下：
1. 归一化每个单元格的直方图 ：通过与相邻单元格块进行比较，进一步抑制图像中光照的影响。
2. 构建一维特征向量 ：从每个单元格的信息中构建一维特征向量。

在Scikit - Image项目中，内置了快速的HOG提取器，以下是一个简单的示例代码，用于提取图像的HOG特征并可视化：

from skimage import data, color, feature
import skimage.data
import matplotlib.pyplot as plt

image = color.rgb2gray(data.chelsea())
hog_vec, hog_vis = feature.hog(image, visualise=True)

fig, ax = plt.subplots(1, 2, figsize=(12, 6),
                       subplot_kw=dict(xticks=[], yticks=[]))
ax[0].imshow(image, cmap='gray')
ax[0].set_title('input image')
ax[1].imshow(hog_vis)
ax[1].set_title('visualization of HOG feat