1、简介
HOG(Histograms of Oriented Gradients,方向梯度直方图)最初是在2005年的CVPR会议上由法国研究员Dala提出来的,主要用来进行行人检测。目前HOG+SVM已经被广泛应用到目标检测和分类等领域。博主主要用HOG+SVM方法进行手势分类,原文请参考:“Histograms of Oriented Gradients for Human Detection“。
2、算法实现
核心思想:
①将图像检测窗口分成许多空间区域单元(cells),在每一个cell中计算一维梯度方向或者边缘方向直方图;
②若干个cells组成一个block,一个block中的梯度方向直方图是由这若干个cells的梯度方向直方图组成,为了
对光照、阴影等鲁棒,需要对block进行对比度归一化处理;
③实际上所有的block之间是有重叠的(重叠的区域为一个cell,后面会具体讲道),将检测窗口的所有blocks的
梯度直方图连接起来就形成了整个检测窗口的梯度方向直方图(HOG)描述子。
具体过程:
(1)Gamma/Colour Normalization