[发明专利]特征向量计算方法和装置

说明书

本公开是关于一种特征向量计算方法和装置，属于图像识别领域。所述方法包括：对待分析的图像进行二值化处理，得到灰度图像；将灰度图像划分为多个细胞单元；对于每个细胞单元，根据细胞单元内每个像素的梯度方向，从除边缘像素以外的像素中，确定梯度方向位于指定方向区间的至少一个指定像素；根据至少一个指定像素的数目和梯度统计值，计算细胞单元在指定方向区间内的梯度投影值；根据细胞单元在每个方向区间内的梯度投影值，计算细胞单元的梯度直方图；根据每个细胞单元的梯度直方图，计算图像的方向梯度直方图HOG特征向量。本公开提高了HOG特征向量的准确率，提升了特征提取算法的性能，应用于图像识别时，能够提高图像识别的准确率。

技术领域

本公开是关于图像识别领域，具体来说是关于特征向量计算方法和装置。

背景技术

HOG(Histogram of Oriented Gradient，方向梯度直方图)算法是一种常用的特征提取算法，可以根据图像局部区域的方向梯度直方图，计算出图像的HOG特征向量，HOG特征向量可以广泛应用于图像识别中。

采用HOG算法计算图像的HOG特征向量时，先对该图像进行二值化处理，得到灰度图像，计算该灰度图像中每个像素的梯度。之后，将该灰度图像划分为多个细胞单元，对于每个细胞单元来说，预先将360度的梯度方向平均划分为9个方向区间，则对于9个方向区间中的每个方向区间来说，从除图像边缘像素以外的像素中，确定该细胞单元内梯度方向位于该方向区间内的每个像素，计算所确定像素的梯度幅值之和，得到该细胞单元在该方向区间内的梯度投影值，从而得到该细胞单元在每个方向区间内的梯度投影值，再根据该细胞单元在每个方向区间的梯度投影值得到该细胞单元的梯度直方图。采用上述方法可以得到每个细胞单元的梯度直方图，将该灰度图像中的多个细胞单元组成一个块，将每个块内所有细胞单元的梯度直方图串联起来，得到每个块对应的特征描述子，再将该灰度图像内所有块的特征描述子串联起来，即可得到该图像的HOG特征向量。

发明内容

为了解决相关技术中存在的问题，本公开提供了一种特征向量计算方法和装置。所述技术方案如下：

根据本公开实施例的第一方面，提供了一种特征向量计算方法，所述方法包括：

对待分析的图像进行二值化处理，得到灰度图像；

将所述灰度图像划分为多个细胞单元；

对于每个细胞单元，

根据所述细胞单元内每个像素的梯度方向，从除所述细胞单元内边缘像素以外的像素中，确定梯度方向位于指定方向区间的至少一个指定像素；

根据已确定的至少一个指定像素的数目和每个指定像素的梯度统计值，计算所述细胞单元在所述指定方向区间内的梯度投影值；

计算所述细胞单元在每个方向区间内的梯度投影值；

根据所述细胞单元在每个方向区间内的梯度投影值，计算所述细胞单元的梯度直方图；

根据每个细胞单元的梯度直方图，计算所述图像的方向梯度直方图HOG特征向量。

在另一实施例中，所述根据已确定的至少一个指定像素的数目和每个指定像素的梯度统计值，计算所述细胞单元在所述指定方向区间内的梯度投影值，包括：

获取所述至少一个指定像素中每个指定像素的梯度统计值；

根据所述至少一个指定像素的数目和每个指定像素的梯度统计值，计算所述至少一个指定像素的梯度统计值的平均值，作为所述细胞单元在所述指定方向区间内的梯度投影值。

在另一实施例中，所述指定像素的梯度统计值为所述指定像素的梯度幅值、梯度幅值的平方或梯度幅值的平方根。

在另一实施例中，所述指定方向区间为下述方向区间中的任一个方向区间：