HOG 特征
Introduction
方向梯度直方图(Histogram of Oriented Gradient, HOG)特征最初是一
种在计算机视觉和图像处理中用来进行物体检测的特征描述子,在 05
年的 CVPR 文章[1]中结合 SVM 完成行人检测任务时提出。后来被广泛
由于各种视觉任务中,包括分类,认证等。
Notations
在正式介绍算法流程之前,首先需要了解一些概念:
像素(pixel):一幅图像由一个个像素组成,通常说图像的大小就是
指的这个像素矩阵的维度。如果一幅图像由 RGB 表示,每个像素
点都可以三个数值表示,分别代表该像素点在 RGB 通道上的数值
大小。图像的大小在 HOG 中经常就称为窗口的大小(m*n)。
胞元(cell):HOG 算法里面将一个 c*c 的像素矩阵称为一个胞元。
经常使用 6*6,8*8 等大小的胞元,这个大小可以自己定义。如
图:
下面图像每个方块代表一个像素。
块(block):块可以看成胞元的矩阵,每个块由 b*b 个胞元组成。
评论0