Histograms of Oriented Gradients for Human Detection

彼黍离离，彼稷之苗。行迈靡靡，中心摇摇。

知我者，谓我心忧。不知我者，谓我何求。

苍天悠悠，此何人哉。

这篇文章是对Histograms of Oriented Gradients for Human Detection, Navneet Dalal and Bill Triggs 的学习总结这篇文章使用了HoG特征加上SVM来对行人进行检测。

在深度学习一统江山以前，图像识别的主要方法都是先对图片提取特征，然后使用机器学习的算法对这些数据进行学习。这篇文章想要解决的问题就是对行人进行检测，这篇文章提出的HoG特征明显受到了SIFT特征的影响（SIFT特征参考：  https://blog.csdn.net/Ghost__2011/article/details/79706781），使用图片的梯度信息来描述图片内容。又，这篇文章和2001年 Viola&Jones的人脸检测的文章同样属于划窗检测中的一种。即在一个图片中，框住其中一部分内容，然后对框柱部分进行识别。

文章提供了算法的主要流程图。我们根据这个流程图来梳理HoG特征提取的过程。

首先输入图片（Input image）被设定为大小为64*128个像素的图片，这个图片就是滑窗在大图片中框出的小图片。

第一步，对图片进行了伽马矫正，这个操作我上网找了一些伽马矫正的资料，应该是对最后的结果有一定的影响，但是不多（注：没有做过对比试验）

第二步，计算图片的梯度。

在图片上我们一般用设计好的核来计算图片的梯度图片。常用Sobel算子来做。

第三步，计算8*8子区域的HoG特征，借用openCV的图来说明什么是8*8的子区域

通过前面对梯度的计算，在每一个8*8的子区域中会得到两个矩阵，一个是梯度的方向，一个是梯度的强度。

我们根据方向在0-180的范围将梯度划分为9个柱。根据每个方向距离两个柱的比例将强度按比例分入两个柱中。

最后我们得到类似下图的直方图。

第四步，归一化，这一步的目的是由于每个直方图所受光照强度可能不同，光照强，梯度的强度也必然会更强，我们希望减少光照对结果的影响。

将四个子区域组成一个block，每个子区域的9个直方图可以看做一个九维向量。四个子区域就变为9*4=36维向量。

公式中v就是36维的block向量。

第五步，将HoG特征组合成一个决策窗口，我们来总结一下，最开始我们用的是64*128的图片，每个cell有8*8个像素。

那我们就有8*16个cell，但是我们的归一化操作会把使列和行都减少一个block，得到7*15个block

而每一个不能block都有9*4维向量，最后得到的决策窗口就是7*15*9*4=3780维的向量。

最后一步就是使用线性SVM来对数据进行学习。

线性SVM是一个二分类算法，它找到距离正分实例最大的超平面来划分数据集，线性SVM与感知机的差别在于线性SVM找到的超平面距离正负实例集是最大的，也就是说线性SVM找到的超平面是唯一的，而感知机不需要找到距离最大的，只要能够区分正负实例即可。

y = sign(W*X+b)

小结：

很明显的能在这篇文章中看到SIFT的思想，不得不说SIFT真是神作。而收齐影响又另有创新的HoG这篇论文也是引用两万+的神作。

这两篇文章最关键的地方都在于使用梯度直方图来描述物体特征，所以梯度去描述物体的特征的办法是有效的。