HOG

histogram of oriented gradients(梯度方向直方图)，是一种局部的图像特征。

生成步骤：

1.色彩/Gamma校正图像归一化
2.计算图像梯度大小和方向
3.对cell内的梯度方向依据梯度幅值进行权重投影
4.HOG特征向量归一化
5.所有block的HOG特征连接起来构成最终的特征向量

• 图像归一化
  为了减少光照因素的影响，Gamma压缩公式： $I(x,y)$=$I(x,y)^g$
  比如可以取Gamma=1/2

• 计算图像梯度大小和方向
  计算x,y方向的梯度$G_x$, $G_y$，梯度幅值是$G=\sqrt{G_x^2+G_y^2}$，梯度方向$\theta=arctan(\frac{G_y}{G_x})$

• 对cell内的梯度方向依据梯度幅值进行权重投影
  
  一张图片有多个block组成，而一个block有包含多个cell。Dalal通过实验证明，cell取8*8像素，block取2*2个cell，block每次滑动一个cell，取得最好结果。例如对于一个40*40的训练图片，cell=8*8像素，block=2*2个cell，块每次滑动一个单元格，如果把0~360degree分成9个bin，则特征维数=4*4*（2*2*9）=576维。
  
  在每个Cell中独立做梯度方向统计，横轴是梯度方向，纵轴频次的权重是梯度大小，从而得到一个cell内的梯度方向直方图。

• HOG特征向量归一化
  对block块内的HOG特征向量进行归一化，主要是为了使特征向量空间对光照、阴影和边缘变化具有鲁棒性。归一化是针对每一个block进行的，一般采用的归一化函数有以下四种：
  
  所有block中的hog特征连接起来就是一张图的HOG。

参考：
[1] https://blog.csdn.net/u011285477/article/details/50974230