The basic idea is that local object

The basic idea is that local object appearance and shape can often be characterized rather
well by the distribution of local intensity gradients or edge directions, even without precise
knowledge of the corresponding gradient or edge positions. In practice this is implemented by
dividing the image window into small cells, for each cell accumulating a local 1-D histogram of
gradient directions or edge orientations over the pixels of the cell. The combined histogram
entries form the representation. For better invariance to illumination, shadowing, etc., it is also
useful to contrast-normalize the local responses before using them. This can be done by
accumulating a measure of local histogram over multiple blocks and using the results to
normalize all of the cells in the block. We will refer to the normalized descriptor blocks as
4

Histogram of Oriented Gradient (HOG) descriptors. Tiling the detection window with a dense,
overlapping grid of HOG descriptors and using the combined feature vector in a conventional
SVM based window classifier gives our human detection chain as shown in Figure 1.

Kết quả (Việt) 1:

Ý tưởng cơ bản là đó xuất hiện các đối tượng địa phương và hình dạng có thể thường được miêu tả khá cũng bởi phân phối địa phương cường độ dốc hoặc cạnh hướng, thậm chí không chính xác kiến thức về các vị trí tương ứng gradient hoặc cạnh. Trong thực tế, điều này được thực hiện bởi Chia cửa sổ hình ảnh vào các tế bào nhỏ, cho mỗi tế bào, tích lũy một biểu đồ 1-D địa phương của gradient chỉ dẫn hoặc định hướng cạnh hơn các điểm ảnh của tế bào. Biểu đồ kết hợp mục hình thức trình bày. Cho tốt hơn định để chiếu sáng, theo dõi, vv, nó cũng là hữu ích cho tương phản-bình thường hóa các phản ứng địa phương trước khi sử dụng chúng. Điều này có thể được thực hiện tích lũy một biện pháp của địa phương biểu đồ trên nhiều khối và sử dụng các kết quả bình thường hóa tất cả các tế bào trong khối. Chúng tôi sẽ giới thiệu đến bình thường mô tả khối như 4 Biểu đồ mô tả hướng Gradient (heo). Ngói với một dày đặc, phát hiện cửa sổ chồng chéo lưới HOG descriptor và sử dụng kết hợp tính năng vector bản thông thường SVM dựa trên cửa sổ loại cung cấp cho chúng tôi con người phát hiện chuỗi như minh hoạ trong hình 1.

Kết quả (Việt) 2:

Ý tưởng cơ bản là sự xuất hiện đối tượng địa phương và hình dạng thường có thể được đặc trưng khá
tốt bởi sự phân bố của các gradient cường độ hoặc hướng cạnh địa phương, thậm chí không chính xác
kiến thức của gradient hoặc cạnh các vị trí tương ứng. Trong thực tế điều này được thực hiện bằng
cách chia cửa sổ hình ảnh thành các tế bào nhỏ, cho mỗi tế bào tích lũy một địa phương biểu đồ 1-D của
hướng gradient hoặc định hướng cạnh hơn các điểm ảnh của các tế bào. Các biểu đồ kết hợp
mục hình đại diện. Đối với bất biến tốt hơn để chiếu sáng, đổ bóng, vv, nó cũng là
hữu ích để tương phản-bình thường hóa các phản ứng địa phương trước khi sử dụng chúng. Điều này có thể được thực hiện bằng cách
tích lũy một biện pháp của biểu đồ địa phương trên nhiều khối và sử dụng kết quả để
bình thường hóa tất cả các tế bào trong khối. Chúng tôi sẽ đề cập đến các khối mô tả bình thường như
4

Histogram của Gradient Oriented (HOG) mô tả. Ngói lợp cửa sổ phát hiện với một dày đặc,
lưới chồng chéo của các mô tả HOG và sử dụng các vector đặc trưng kết hợp trong một thông thường
cửa sổ phân loại SVM dựa cho chuỗi phát hiện con người của chúng tôi như thể hiện trong hình 1.