Resumen

El histograma de gradiente orientado (HOG) es un descriptor robusto ampliamente utilizado en muchas aplicaciones de la vida real, como la detección humana, el reconocimiento facial, el recuento de objetos y la videovigilancia. Para extraer el descriptor HOG de imágenes en color cuya información es tres veces mayor que la de las imágenes en escala de grises, los investigadores aplican actualmente el método de selección de máxima magnitud. Este método hace que la información de la imagen resultante se reduzca seleccionando las magnitudes máximas. Sin embargo, después de extraer el HOG utilizando las magnitudes no seleccionadas del método de selección de magnitudes máximas, observamos que el rendimiento es mejor que utilizando las magnitudes máximas en varios casos. Por lo tanto, en este trabajo, proponemos un nuevo enfoque para la extracción de HOG a partir de imágenes en color, como la Selección de Componentes de Color y la Fusión de Componentes de Color. También proponemos los kernels extendidos para mejorar el rendimiento de HOG. Con nuestros nuevos enfoques en el análisis de componentes de color, los resultados experimentales de varios conjuntos de datos faciales de referencia se mejoran con el incremento de 3 a 10% de precisión. En concreto, se alcanza un 95,92% de precisión en la base de datos Face AR y un 75% en la base de datos Georgia Face. Los resultados mejoran más de 10 veces en comparación con el enfoque HOG original.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:método de selección de magnitudes máximas, cerdo, imágenes en color, magnitudes máximas, varios conjuntos de datos faciales de referencia, fusión de componentes de color, selección de componentes de color, base de datos ar de rostros, base de datos de rostros de georgia, análisis de componentes de color
• Keywords:maximum magnitude selection method, hog, color images, maximum magnitudes, several facial benchmark datasets, color component fusion, color component selection, face ar database, georgia face database, color component analysis