传统使用的特征

visual recognition tasks：SIFT和HOG特征：

一、SIFT：一种检测局部特征的算法，区域检测算法。尺度不变，旋转不变等特性。

兴趣点——》每个兴趣点周围邻域分块，分别计算8个方向上的梯度方向直方图——eg:128维信息——》词汇树，词包（BOW，将类似文本表示成单词出现的频率等等）量化，进行聚类。

OpenCV可提取，可用于图像匹配，目标识别与检测等，但是并不适合无纹理或者少纹理的目标实例检测。

二、HOG：目标检测的特征描述子。保持了几何和光学转化不变性

变成灰度图——》s*s的cell——》统计每个cell的每个pixel的梯度——》以每个cell的梯度直方图作为descriptor——》假设2*2个cell组成一块，将其cell的特征串接，再以一定的步长去扫描图片（每次扫描就是一块），最后将所有块的特征再串接。

OpenCV可提取，尤其适合人的检测。

三、Harr：又称图像的矩形特征，用于人脸检测。特征模板：

白减黑色区域形成特征