【人脸检测——基于机器学习4】HOG特征

前言

HOG特征的全称是Histograms of Oriented Gradients，基于HOG特征的人脸识别算法主要包括HOG特征提取和目标检测，该算法的流程图如下图所示。本文主要讲HOG特征提取。

HOG特征的组成

Cell：将一幅图片划分为若干个cell（如上图绿色框所示），每个cell为8*8像素

Block：选取4个cell组成一个block（如上图红色框所示），每个block为16*16像素。Block的滑动步长为8像素，如黄色箭头所示

Detection Window：令64*128像素大小的图片为检测Win，在其中共计有105个block。

HOG 特征要完全描述一个obj的所有信息，它的维度=窗体中所有block个数（105）*每个block中cell的个数（4）*每个cell中Bin的个数（9）=3780（维），每一维就是一个bin

HOG特征的提取

1. Gamma/Colour Normalization

在Navneet Dalal的实验 [1]中Gamma/Colour Normalization对于检