シルエットのヒストグラムの計算方法は？

Question

私は論文（Human activity recognition with metric learning）を読んでそれを実装しようとしています。

著者はチャネル（シルエット、オプティカルフロー）を使用し、その後、添付画像に示すように各チャネルのヒストグラムを計算しました。

私はビデオのシルエットとオプティカルフローを計算しました。問題は、

1-記載されているヒストグラムのポイントは何ですか？それは適切な形で特徴を表現するためのものですか？

2-は、HOGと同じ方法です。

3-ヒストグラムをどのように実装できますか？バウンディングボックスを分割するだけですか？ .. 本当にありがとう。ご不便を

申し訳ありません

よろしく

Answer 1

私は後者のための擬似コードを使用して、様々な異なるの質問に答えてみます。

1-著者の最終的な目的は、という追跡（私は推測していると思いますが、私はこの論文を読んでいない）のウィンドウの記述子を取得するように思われます。したがって、シルエットSおよびFxおよびFyチャネルを計算した後、著者はMxMx3のウィンドウを有し、3チャネルは[S, Fx, Fy]を付加している。 （1）は非常に高次元であり（MxMx3、おそらく変数M）、（2）スケールまたは向きが不変ではない、（3）ロバストな記述子ではないため、これはウィンドウを表現するのには適していません。筆者はMxMx3チャンネルを216次元の記述子（MxMx3 -> 216、Mに関係なく）に変換するヒストグラム法（HoGのものに似ていますが、同じではありません）を使用しています。

2-上記の回答があります。 HoGではありませんが、HoG、SIFTなどの特徴抽出方法に似ています。

3-私が間違っていることを理解していない場合は、境界ボックスを2x2グリッド（4つの四角形/サブウィンドウ）で分割します。各サブウィンドウについて、20度の18スライスで分割します（これはまっすぐではありませんが、サブウィンドウの中心に対するピクセルの位置を知っているので、角度を計算することができます）。それは落下

を次に、（0 <= i,j < 2付き）サブウィンドウ(i,j)に属する画素p及びパイスライスkを有するヒストグラムに（チャネルのそれぞれに）その値を追加します。

hist(i, j, k, c) += data(p, c) 

ここでcはチャンネル（3チャンネル[S, Fy, Fx]）で、data(p, c)は、ピクセルの3チャンネルのデータですおよびチャネルc。

あなたは2x2x18x3 = 216という記述子で終わるでしょう。uが提供エキスは、その記述を正規化については何も言及していないが、私はそれが何を言っていないならば、それだけだろうと思います。

hist(i, j, k, c) /= sum(abs(flatten(hist))) 

それとも別にサブ窓やチャネルのそれぞれを正規化します（豚で行われているような）：

hist(i, j, k, c) /= sum(abs(hist(i, j, :, c)) # summing over the 3rd axis `k`