为什么在行人检测中，HOG特征比Haar特征更精确？

原文链接

问题

我最近读了这篇文章，作者说，在人体检测应用中，Haar特征没有HOG精确，为什么呢？

回答1

计算机视觉中各种特征描述符的设计和实现，都是在不断的试错下进行的，对内部的机理并没有太多的考虑。

方向HOG这篇经典论文是专门为了行人检测做的方法，Navneet和Dalal做了很多很苦逼的工作，在各种空间，各种维度下，不断的实验，发现了一个重要的认识：对比度归一化特别重要，这让HOG的效果超过SIFT（SIFT也是基于方向梯度直方图来做的！）。由于设计的HOG在某种程度上，对于人体检测这个任务，已经过拟合了（译者加：overfitting，总觉得理解为机器学习里面的过拟合，不太恰当，应该是指很好的满足了需求，还有剩余），所以意料之中的是，在人体检测这个任务中，它的性能会比其他的好。（除非那些根据训练数据学习的特征，这些学习的方法或多或少受HOG的方法影响，例如CNN训练出的特征。）

我最近读到的一种观点，但说实话并没有真正地理解，是说，Haar特征（或者其他小波）是一种纹理特征，相比于SIFT/HOG来说。它们擅长检测相似的纹理，但是缺乏方向信息，这就导致了在目标识别中并不最有效，因为边缘的方向很重要。我目前还没有看到通过实验评估相关方法的文章。

（2015.9.8）

回答2

（译者加：回答者在CV领域干了6年多）

这个问题取决于，行人最重要的特征是什么。最重要的特征可能不止一个，但定义一个典型行人的特征，需要包括轮廓，腿和头的形状。所以，那些能够精确捕捉或者描述人体轮廓的方法，就会最终在人体检测问题上，得到最好的结果。

HOG比Haar更好地描述行人，或者目标的轮廓/外形。换一种说法，简单的类Haar比HOG更能检测待测区域是不是比周围更亮或者更暗。简而言之，HOG适合描述外形（shape），Haar适合描述阴影（shading）。

这也就是为什么Haar特征在检测正脸效果好，而检测侧脸效果差的原因。正脸有诸如鼻梁比周围更亮等等特征，而侧脸重要的特征在于它的轮廓和外形，所以HOG适合做侧脸检测。

HOG和Haar是互补的，所以如果结合一起使用，会得到更好的效果。HOG擅长描述物体外形，所以适合行人检测;Haar擅长描述物体阴影，所以适合正脸检测。

希望能帮到你。

（2015.9.9）

总结

计算机视觉里的每一种trick，一定有它的motivation。motivation就决定了这个方法能够解决的问题域的大小。了解motivation，有时候（或者，任何时候），比知道trick具体怎么实施，更加重要。