[2005CVPR]Histograms of Oriented Gradients for Human Detection

HOG这种方法跟边缘方向直方图，尺度不变特征变换（SIFT）以及形状上下文方法（shape contexts）有很多相似之处，但与它们的不同点是：HOG描述器是在一个网格密集的大小统一的细胞单元上计算，而且为了提高性能，还采用了重叠的局部对比度归一化.HOG方法是在图像的局部细胞单元上操作，所以它对图像几何和光学的形变都能保持很好的不变性.

算法步骤step1:Gamma/Colour Normalization

作者分别在灰度空间、RGB色彩空间和LAB色彩空间上对图像进行色彩和 伽马归一化，但实验结果显示，这个归一化的预处理工作对最后的结果没有影响，原因可能是：在后续步骤中也有归一化的过程，那些过程可以取代这个预处理的归一化。所以，在实际应用中，这一步可以省略。

算法步骤step2:Gradient Computation 

Several smoothing scales were tested include- ing σ =0 (none)

uncentred [−1, 1], centred [−1, 0, 1] and cubic- corrected [1, −8, 0, 8, − 1]

2×2 diagonal     

3×3 Sobel

Simple 1-D [−1, 0, 1] masks at σ =0 workbest

For colour images, wecalculate separate gradients for each colour channel, andtake the one with the largest norm as the pixel’s gradient vector. 

算法步骤step3:Spatial / Orientation Binning 

0◦– 180◦ (“unsigned” gradient) or 0◦–360◦ (“signed”gradient) ， 作者发现，采用无向的 梯度和 9 个直方图 通道，能在行人检测试验中取得最佳 的效果

为每个 cell 统计方向梯度直方图，是一个 9 维的向量，采用三次插值进行投票。为什么是三次插值呢？［两次是偏移x,y，一次是角度，比如我的角度是20度的话，那就要分给0-20度和20-40度的］

it is useful to downweight pixels near the edges of the block by applying aGaussian spatial window to each pixel before accumulating orientation votesinto cells. ( σ = 0.5 ∗ blockwidth )

算法步骤step4:grouping the cells together into larger blocks

如左图，会有 4 * 4 个 block, 每个 block 里面都有 4 个 cell, 所以总共有 (4*4)*(2*2)*9 个特征

R- HOG 区间 大体上是一些 方形的 格子， 它可以有三个参数 来表征：每个区间中细胞单元的数目、每个细胞单元中像素点的数目、每个细胞 的直方图通道数目

block的overlap提高了5%的performance,overlap可以消除block之间的突变

算法步骤step5:Normalization and Descriptor Blocks 

L2-Hys, L2-norm followed by clipping (limitingthemaximumvaluesof v to 0.2) and renormalizing

算法步骤step6:svm训练

我用的是libsvm

算法的总结

RGB colour space with nogamma cor rection ;

[−1, 0, 1]gradient filter with no smoothing ;

linear gradient voting into 9 orientation bins in 0◦–180◦;

16 ×16 pixelblocks of four 8×8 pixel cells; Gaussian spatial win- dow with σ = 8 pixel;

L2 -Hys (Lowe-styleclipped L2 norm) block normalization;

block spacing stride of 8 pixels (hence 4-fold coverage of each cell) ;

64×128detection window ;

linear SVM classifier.

对于64*128的窗口，因为cell width = cell height = 8,又加上block的overlap,所以总共有7*15个block

每个block内又有4个cell,每个cell是一个9维的特征，所以每个block有36维特征

我们来计算一下特征数 :(64/8-1)*(128/8-1) *  4 * 9 = 3780

作者还提到了圆形的block

e图就是生成的特征

根据f图就可以看出对于人来说，轮廓占的svm权重比较大

INRIA行人库   http://pascal.inrialpes.fr/data/human/

hog+svm源代码  timehandle的http://hi.baidu.com/nokltkmtsfbnsyq/item/f4b73d06f066cd193a53eec3