资源描述：
《HOG：从理论到OpenCV实践》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、一、理论1、HOG特征描述子的定义:locallynormalisedhistogramofgradientorientationindenseoverlappinggrids,即局部归一化的梯度方向直方图，是一种对图像局部重叠区域的密集型描述符，它通过计算局部区域的梯度方向直方图來构成特征。2、本质：HistogramofOrientedGradientdescriptorsprovideadenseoverlappingdescriptionofimageregions,即统计图像局部区域的梯度方向信息来作
2、为该局部图像区域的表征。3、OpenCV中的HOG算法来源：HistogramsofOrientedGradientsforHumanDetection,CVPR2005o详细的算法可以参考这个文章。这里是荚文和中‘文的介绍。检测窗口Win、块Block.单元格Cell的基本信息(1)大小：A、检测窗口：WinSize=128*64像索，在图像中滑动的步长是8像索(水平和垂直都是)B、块：BlockSize=16*16像素，在检测窗口中滑动的步长是8像素冰平和垂直都是)C、单元格：CellSize=8*8像素D
3、、梯度方向：一个Cell的梯度方向分为9个方向，在一个单元格内统计9个方向的梯度直方图(2)HOG描述子OpenCV中一个Hog描述子是针对一个检测窗口而言的，一个检测窗口冇((128-16)/8+1)*((64-16)/8+1)=105个Block,一个Block有4个Cell,一个Cell的Hog描述子向量的长度是9,所以一个检测窗口的Hog描述子的向量长度是105*4*9=3780维。HOG特征提取是统计梯度直方图特征。具体来说就是将梯度方向(0・>360。)划分为9个区间，将图像化为16x16的若干个b
4、lock,每个block再化为4个cell(8x8)o对每一个cell,算出每一像素点的梯度方向和模，按梯度方向增加对应bin的值，最终综合N个cell的梯度直方图形成一个高维描述子向量。实际实现的吋候会有各种插值。5、算法流程:Block特征向＞f-{XbX2XA}Normalisegamma&colourBlockOverlapofBlocks-、、1Featurevector,f=InputimageComputegradientsCollectHOGsforallblocksoverdetectionw
5、indow(1)灰度化由于颜色信息作用不大，通常转化为灰度图。(2)标准化gamma空间为了减少光照因素的影响，首先需要将整个图像进行规范化(归一化)，这种处理能够有效地降低图像局部的阴影和光照变化。Gamma压缩公式：比如可以取Gamma=1/2；(1)计算图像每个像素的梯度(包括大小和方向)计算图像横坐标和纵坐标方向的梯度，并据此计算每个像索位置的梯度方向值；求导操作不仅能够捕获轮廓，人影和一些纹理信息，还能进一步弱化光照的影响。梯度算子：水平边缘算子：［-1,0,1］；垂直边缘算子：［-1,0,1］T图像
6、中像素点（x,y）的梯度为：Gg=H（x+lj）-H（x-1丿）§0,尹）=卫0,尹+1）—卫0,尹一1）式中G=（x,y）,Gv（x,y）,H.（x,尹）分别表乔输入图像中像素点（％y）处的水平方向梯度、垂直方向梯度和像素值。像素点（Xy）处的梯度幅值和梯度方向分别为:◎Z)=二tan(―)4(3作者也尝试了其他一•些更复杂的模板，如3x3Sobel模板，或对角线模板（diagonalmasks）,但是在这个行人检测的实验屮，这些复杂模板的表现都较差，所以作者的结论是：模板越简单，效果反而越好。作者也尝试了在
7、使用微分模板前加入一个高斯平滑滤波，但是这个高斯平滑滤波的加入使得检测效果更差，原因是：许多冇用的图像信息是來自变化剧烈的边缘，而在计算梯度之前加入高斯滤波会把这些边缘滤除掉。⑷将图像分割为小的Cell单元格由于Cell单元格是HOG特征最小的结构单位，而且其块Block和检测窗口Win的滑动步长就是一个Cell的宽度或高度，所以，先把整个图像分割为一个个的Cell单元格（8*8像索）。（5）为每个单元格构建梯度方向直方图【重点】这步的口的是：统计局部图像梯度信息并进行量化（或称为编码），得到局部图像区域的特征
8、描述向量。同时能够保持对图像中人体对彖的姿势和外观的弱敏感性。我们将图像分成若干个“单元格cell”，例如每个cell为8*8个像素（可以是矩形的（rectangular）,也口J以是星形的（radial））。假设我们采用9个bin的直方图来统计这8*8个像素的梯度信息。也就是将cell的梯度方向360度分成9个方向块，如图所示：例如：如果这个像素的梯度方向是20-40度，直方图第2个
