文章主要參考自?目標(biāo)檢測的圖像特征提取之（一）HOG特征?和?OpenCV HOGDescriptor 參數(shù)圖解
一、HOG的定義
HOG（方向梯度直方圖）特征是一種在計算機(jī)視覺和圖像處理中用來進(jìn)行物體檢測的特征描述子。它通過計算和統(tǒng)計圖像局部區(qū)域的梯度方向直方圖來構(gòu)成特征。
二、HOG特征的提取步驟
1）因為顏色信息作用不大，所以對目標(biāo)圖像進(jìn)行灰度化；
2）采用Gamma校正法對灰度圖進(jìn)行標(biāo)準(zhǔn)化（歸一化）；目的是調(diào)節(jié)圖像的對比度，降低圖像局部的陰影和光照變化所造成的影響，同時可以抑制噪音的干擾；
3）計算灰度圖每個像素的梯度（包括大小和方向）；主要是為了捕獲輪廓信息，同時進(jìn)一步弱化光照的干擾。
最常用的方法是：首先用[-1,0,1]梯度算子（例如Sobel）對原圖像做卷積運算，得到x方向（水平方向，以向右為正方向）的梯度分量gradscalx，然后用[1,0,-1]T梯度算子對原圖像做卷積運算，得到y(tǒng)方向（豎直方向，以向上為正方向）的梯度分量gradscaly。然后再用以下公式計算該像素點的梯度大小和方向。
4）將圖像劃分成小cells（例如8*8像素大小的cell）；
5）統(tǒng)計每個cell的梯度直方圖（不同梯度的個數(shù)），即可形成每個cell的descriptor；
該步驟的目的是為局部圖像區(qū)域（cell）提供一個編碼，同時能夠保持對圖像中人體對象的姿勢和外觀的弱敏感性。
我們將圖像分成若干個“cell”，例如每個cell為8*8個像素。假設(shè)我們采用9個bin的直方圖來統(tǒng)計這8*8個像素的梯度信息。也就是將cell的梯度方向360度分成9個方向塊，如圖所示：例如：如果這個像素的梯度方向是20-40度，直方圖第2個bin的計數(shù)就加一，這樣，對cell內(nèi)每個像素用梯度方向在直方圖中進(jìn)行加權(quán)投影（映射到固定的角度范圍），就可以得到這個cell的梯度方向直方圖了，就是該cell對應(yīng)的9維特征向量（因為有9個bin）。
如下圖所示（圖中Zi塊其實就是第i個bin）
像素梯度方向用到了，那么梯度大小呢？梯度大小就是作為投影的權(quán)值的。例如說：這個像素的梯度方向是20-40度，然后它的梯度大小是2（假設(shè)?。?，那么直方圖第2個bin的計數(shù)就不是加一了，而是加二（假設(shè)?。?/p>
6）將每幾個cell組成一個block（例如 大小為16*16的block，即一個block由4個cell組成），一個block內(nèi)所有cell的特征descriptor串聯(lián)起來便得到該block的HOG特征descriptor。
由于局部光照的變化以及前景-背景對比度的變化，使得梯度強(qiáng)度的變化范圍非常大。這就需要對梯度強(qiáng)度做歸一化。歸一化能夠進(jìn)一步地對光照、陰影和邊緣進(jìn)行壓縮。
作者采取的辦法是：把各個細(xì)胞單元組合成大的、空間上連通的區(qū)間（blocks）。這樣，一個block內(nèi)所有cell的特征向量串聯(lián)起來便得到該block的HOG特征。這些區(qū)間是互有重疊的（滑動塊，例如block stride為8），這就意味著：每一個單元格的特征會以不同的結(jié)果多次出現(xiàn)在最后的特征向量中。我們將歸一化之后的塊描述符（向量）就稱之為HOG描述符。
7）將圖像image內(nèi)的所有block的HOG特征descriptor串聯(lián)起來就可以得到該image（你要檢測的目標(biāo)）的HOG特征descriptor了。這個就是最終的可供分類使用的特征向量了。
最后一步就是將檢測窗口中所有重疊的塊進(jìn)行HOG特征的收集，并將它們結(jié)合成最終的特征向量供分類使用。
例如行人檢測的滑動窗口大小通常為 64*128
以O(shè)penCV為例，構(gòu)建 HOG 特征的默認(rèn)參數(shù)設(shè)置如下：
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)
{}
8）特征向量的維數(shù)
Dalal提出的Hog特征提取的過程：把樣本圖像分割為若干個像素的單元（cell），把梯度方向平均劃分為9個區(qū)間（bin），在每個單元里面對所有像素的梯度方向在各個方向區(qū)間進(jìn)行直方圖統(tǒng)計，得到一個9維的特征向量，每相鄰的4個單元（cell）構(gòu)成一個塊（block），把一個塊內(nèi)的特征向量聯(lián)起來得到36維的特征向量，用塊對樣本圖像進(jìn)行掃描，掃描步長為一個單元(block_stride = 8)。最后將所有塊的特征串聯(lián)起來，就得到了人體的特征。例如，對于64*128的圖像而言，每16*16的像素組成一個cell，每2*2個cell組成一個塊，因為每個cell有9個特征，所以每個塊內(nèi)有4*9=36個特征，以8個像素為步長，那么，水平方向?qū)⒂?個掃描窗口，垂直方向?qū)⒂?5個掃描窗口。也就是說，64*128的圖片，總共有36*7*15=3780個特征。
總體流程圖：
