HOG

HOG是一种可以基于形状边缘特征的描述算子。它的思想是通过计算像素点的方向与幅度，统计其梯度直方图，该直方图作为一种特征值，可以直接用作SVM上直接进行分类检测。

方法步骤如下：

1）对于图片进行预处理，裁剪，用Gamma校正法对输入图像进行颜色空间的标准化，并将图片转化为灰度图（不需要颜色信息）。

2）计算每个像素的梯度（方向和幅度）。

3）划分滑动窗口，在滑动窗口内划分块，在块内划分出cell单元。对每个cell单元进行梯度直方图统计，在统计块内梯度直方图，在统计窗口内梯度直方图，为最后的特征向量。

 

步骤2）中的梯度计算如下：

梯度：

角度：

幅度：

(离散像素点)

（离散像素点）

步骤3）中的意思为将原窗口中选择出一个滑动窗口作为此次识别范围（SVM判别区域），将该滑动窗口划分出区域块，再将该区域块划分为几个cell单元，此时的cell单元为像素级别大小（如6*6像素单元）。

 

该图为角度与幅度图。我们考虑角度范围为20、40、60...180共9个区域，我们计算得到的角度会归为9个角度之一，我们认某个角度和大于这个角度180度的相反方向为一个方向。

我们可以将2*2的cell单元作为一个块区域，对这个块区域进行上述直方图统计，然后以一个块区域从左到右，从上到下滑动，分别统计其直方图，直到该初始滑动窗口所有块都统计完成，HOG特征提取结束，进入下一步操作。