HOG特征提取及其方向梯度直方图计算步骤

HOG简介

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种被广泛应用于计算机视觉与图像处理领域的物体检测特征描述方法。该方法通过对图像局部区域内的梯度方向进行计算与统计，从而生成相应的特征信息。HOG特征与支持向量机（SVM）分类器相结合，已在图像识别任务中得到了大量应用，特别是在行人检测方面取得了显著成效。

原理

其根本特征在于梯度的统计特性，而梯度主要集中于图像的边缘区域。对于一幅图像而言，局部目标的外观与形态特征可通过梯度或边缘方向的密度分布得到较为精确的表征。

方法

Hog特征提取方法主要依赖三个关键参数：检测窗口、块（block）以及细胞单元。假设所采用的参数设置为 winSize(64,128)，blockSize(16,16)，blockStride(8,8)，cellSize(8,8)，nbins(9)。其中，nbins用于表示在单个细胞单元内统计梯度方向的数量，例如当nbins设定为9时，意味着每个细胞单元将计算出9个方向的梯度直方图，每个方向对应的跨度为180/9=20度。

在Ho