OpenCV HOGDescriptor 参数图解

最近要做图像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装，其中也有现成的行人检测的接口。然而，无论是OpenCV官方说明文档还是各个中英文网站目前都没有这个类的使用说明，所以在这里把研究的部分心得分享一下。

      首先我们进入HOGDescriptor所在的头文件，看看它的构造函数需要哪些参数。 

 CV_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),
     cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),
     histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true),
     nlevels(HOGDescriptor::DEFAULT_NLEVELS)
 {}

 CV_WRAP HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride,
               Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1,
               int _histogramNormType=HOGDescriptor::L2Hys,
               double _L2HysThreshold=0.2, bool _gammaCorrection=false,
               int _nlevels=HOGDescriptor::DEFAULT_NLEVELS)
 : winSize(_winSize), blockSize(_blockSize), blockStride(_blockStride), cellSize(_cellSize),
 nbins(_nbins), derivAperture(_derivAperture), winSigma(_winSigma),
 histogramNormType(_histogramNormType), L2HysThreshold(_L2HysThreshold),
 gammaCorrection(_gammaCorrection), nlevels(_nlevels)
 {}

 CV_WRAP HOGDescriptor(const String& filename)
 {
     load(filename);
 }

 HOGDescriptor(const HOGDescriptor& d)
 {
     d.copyTo(*this);
 }

      我们看到HOGDescriptor一共有4个构造函数，前三个有CV_WRAP前缀，表示它们是从DLL里导出的函数，即我们在程序当中可以调用的函数；最后一个没有上述的前缀，所以我们暂时用不到，它其实就是一个拷贝构造函数。

      下面我们就把注意力放在前面的构造函数的参数上面吧，这里有几个重要的参数要研究下：winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8), nbins(9)。上面这些都是HOGDescriptor的成员变量，括号里的数值是它们的默认值，它们反应了HOG描述子的参数。这里做了几个示意图来表示它们的含义。

      窗口大小 winSize

      块大小 blockSize

      胞元大小 cellSize

      梯度方向数 nbins

      nBins表示在一个胞元（cell）中统计梯度的方向数目，例如nBins=9时，在一个胞元内统计9个方向的梯度直方图，每个方向为180/9=20度。

      HOG描述子维度

      在确定了上述的参数后，我们就可以计算出一个HOG描述子的维度了。OpenCV中的HOG源代码是按照下面的式子计算出描述子的维度的。 

 size_t HOGDescriptor::getDescriptorSize() const
 {
     CV_Assert(blockSize.width % cellSize.width == 0 &&
         blockSize.height % cellSize.height == 0);
     CV_Assert((winSize.width - blockSize.width) % blockStride.width == 0 &&
         (winSize.height - blockSize.height) % blockStride.height == 0 );
     return (size_t)nbins*
         (blockSize.width/cellSize.width)*
         (blockSize.height/cellSize.height)*
         ((winSize.width - blockSize.width)/blockStride.width + 1)*
         ((winSize.height - blockSize.height)/blockStride.height + 1);
 }

      参考文献

      OpenCV中的HOG算法来源于Histograms of Oriented Gradients for Human Detection, CVPR 2005。详细的算法可以参考这个文章。