HOG提取算法原理

1.算法基本流程

在一幅图像中，在计算机视觉领域经典的HOG（Histogram of Oriented Gradient）方法能够有效地描述局部目标区域的特征，并广泛应用于特征提取任务中。通过结合支持向量机（SVM）算法，在行人检测任务中表现出色。具体而言，在HOG算法中对图像进行了以下划分：将整个图像划分为多个相互重叠或不重叠的区域；每个区域又被划分为若干个均匀大小的小块；每个小块内部再被划分为由细胞单元组成的网格结构。流程图如下：

2.计算图像梯度

在数字图像领域中，在每个像素点上分析其水平方向上的梯度变化率以及垂直方向上的梯度变化率时，则可以通过预定义的核（kernel）进行计算。这些核将被用来展示如何从图像中提取出所需的边缘信息，并通过数学运算来量化这种变化程度。

即可写为：

![这里写图片描述](https://cdl.itad