为克服环境带来的影响，借鉴了近年来在目标检测研究中应用较多的梯度方向直方图（HOG）技术，将其用于手势识别中。这种方法使得基于视觉的手势识别对环境不再敏感，得到了较好的识别效果。

基于HOG+SVM的行人检测系统设计代码大全.doc基于HOG+SVM的行人检测系统设计代码大全.doc基于HOG+SVM的行人检测系统设计代码大全.doc基于HOG+SVM的行人检测系统设计代码大全.doc

基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf

基于 SVM 的行人检测系统的设计与实现.pdf基于 SVM 的行人检测系统的设计与实现.pdf基于 SVM 的行人检测系统的设计与实现.pdf

CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 相关文章：CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 1、手写Hog特征提取算法 import numpy as np import cv2 #1、灰度图像gamma校正 def gamma(img): return np.power(img / 255.0, 1) #2、获取梯度值cell图像，梯度方向cell图像 def div(img, cell_x, cell_y, cel

基于hog和颜色特征融合的 欧式距离图像搜索系统 matlab

基于hog svm的手势识别和剪子包袱的游戏 matlab gui

这是一个基于hog的行人检测，只要你在这个文件下加上你需要检测的图片，以及安装opencv2.4.9即可完成检测。效果还是很不错的

基于HOG特征提取的svm行人头肩训练，提供训练集和测试集的图片，结果导出在txt文件中。

在财务领域，纸质报表向电子报表的转换需要大量的人工和时间成本。本文探究了纸质财务报表的自动识别过程，通过预处理、表头和表格区域的分割提取、单元格分割、字符提取与识别、表格还原等过程实现报表图片的转换，在实现报表信息便捷存储和查询的同时，也克服了人工录入的低效率、高成本等缺点。实验结果表明，该算法能有效实现图像的倾斜校正，且无需设置提示框限定拍摄范围；能有效分割表格格式的字符，其准确率为99.3%，无需手动框选待识别字符；字符识别准确率为93.7%，其中数字识别的准确率为97.8%，总体字符识别准确率相较Tesseract提升了8.1%。