HOG特征简介

HOG（Histogram of Oriented Gradient），即方向梯度直方图，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。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。其依据是所检测的局部物体外形能被光强梯度和边缘方向的分布所描述，本质就是梯度的统计信息，而梯度总是存在于图像的边缘（边缘是由图像中亮度变化明显的点组成的），HOG最经典的应用是在行人检测中（HOG+SVM）。
它的提取过程与SIFT特征点描述子的生成过程类似，都是统计局部图像区域内像素点的方向梯度直方图。不同的是，SIFT特征是统计特征点邻域内的梯度信息，而HOG没有中心点，是采用滑动块的方式统计整个局部物体窗的梯度信息。具体还会将滑动块(block)分层多个胞元(cell)，先统计cell中的方向梯度直方图，然后将每个cell的直方图串接起来组成block的直方图，最后将所有block的直方图串接起来形成最终的HOG特征向量。

具体细节可参考HOG特征(2)及其中的链接