FLAB : Computer Vision for Visual Surveillance and Mobile Robotics
一般物体認識問題として画像分類や物体検出の研究が盛んに取り組まれている。画像分類で用いられているBag-of-Keypointsというアプローチでは、局所特徴量として勾配情報から算出されるSIFT(Scale Invariant Feature Transform)が用いられている。SIFTは、スケール変化、回転変化に不変な特徴量を記述することができるため、特定物体認識だけでなく画像分類の特徴量として有効である。一方、歩行者認識等の物体検出においても、局所特徴量として勾配情報から算出する勾配方向ヒストグラムHOG （Histogram of Oriented Gradients)が用いられている。本チュートリアルでは、勾配情報から得られる局所特徴量としてSIFTとHOGのアルゴリズムについて紹介し、一般物体認識への利用方法について講演する。
HOG関連論文：人物のポーズを要素に分解して認識する - コンピュータビジョンの日々
このアイデアはなかなか興味深い。 Christian Thurau and Vaclav Hlavac (CVPR2008) "Pose primitive based human action recognition in videos or still images" ftp://cmp.felk.cvut.cz/pub/cvl/articles/hlavac/Thurau-HlavacPosePrimitivesCVPR2008.pdf HOGの特徴ベクトルを、"NMF"という数学的テクニックを使っていくつかの基底ベクトル＝基本ポーズ要素に分解して認識しようというアプローチ。 NMFは、Non-Negative Matrix Factorizationの略称で、その名の通り、任意の行列Vを非負要素からなる行列の積W・Hに分解できる。固有値分解と似ているが、非負行列の積になるところが違
HoG vs Haar-like feature ベンチマーク - コンピュータビジョンの日々
OpenCVのサンプルとしても公開され、すっかり有名になった Haar-like特徴量と AdaBoost分類器を用いた顔認識手法だが、現在最先端の画像処理研究では、HoGという特徴量が注目されている。 HoGは、"Histogram of oriented Gradient"の略で、直訳すると、「方向づけられた勾配のヒストグラム」ということになる。つまり、入力画像の勾配（微分画像）を求め、それを局所領域ごとに勾配方向で区間分割してヒストグラムを取ったものを特徴量としようとする手法である。 これは2005年にNavneet DalalとBill Triggsによって提唱された新しい手法で、Haar-likeよりも分別能力が高そうだということで、盛んに研究されている。 私も今、HoGを使った物体認識処理を試作しているところであるが、データ空間として線形分離しやすいらしく、SVM(サポートベク
SIFT Tutorial
藤吉弘亘. "Gradientベースの特徴抽出 - SIFTとHOG - ", 情報処理学会 研究報告 CVIM 160, pp. 211-224, 2007. Scale-Invariant Feature Transform(SIFT) は，特徴点の検出と特徴量の記述を行うアルゴリズムである． 検出した特徴点に対して，画像の回転・スケール変化・照明変化等に頑健な特徴量を記述するため，イメージモザイク等の画像のマチングや物体認識・検出に用いられている． 本稿では，SIFT のアルゴリズムについて概説し，具体例としてSIFT を用いたアプリケーションや応用手法への展開について紹介する．また，SIFT と同様にgradient ベースの特徴抽出法であるHistograms of Oriented Gradients(HOG)のアルゴリズムとその応用例として人検出についても紹介する． Scal
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
はてなブログ | 無料ブログを作成しよう
