四维空间

最近在看人检测的文章，最经典的就是《Histograms of Oriented Gradients for Human Detection》，但是这篇文章写的很难懂，不清晰，作者似乎故意不让你去读懂，网上有一个文章很好，是对这篇文章的学习笔记，转来研究： HOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值

在博客目标检测学习_1(用opencv自带hog实现行人检测) 中已经使用了opencv自带的函数detectMultiScale()实现了对行人的检测，当然了，该算法采用的是hog算法，那么hog算法是怎样实现的呢？这一节就来简单分析一下opencv中自带 hog源码。      　　网上也有不少网友对opencv中的hog源码进行了分析，很不错，看了很有收获。比如： 　　　　h

http://blog.csdn.net/xw20084898/article/details/21389885 原文链接

正样本来源是INRIA数据集中的96*160大小的人体图片，使用时上下左右都去掉16个像素，截取中间的64*128大小的人体。 负样本是从不包含人体的图片中随机裁取的，大小同样是64*128(从完全不包含人体的图片中随机剪裁出64*128大小的用于人体检测的负样本)。 SVM使用的是OpenCV自带的CvSVM类。 首先计算正负样本图像的HOG描述子，组成一个特征向量矩阵，对应的

原文链接 http://blog.csdn.net/carson2005/article/details/7841443

转自：http://www.opencv.org.cn/forum/viewtopic.php?f=1&t=9146#p35176 ///////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

这里总结网上自己找到的资料，搞一个简单的框架供大家参考一下。 OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introduction_to_svm.html 在http://blog.csdn.net/sangni007/arti

原文链接http://blog.csdn.net/wuxiaoyao12/article/details/7320764 在一副图像中，局部目标的表象和形状（appearance and shape）能够被梯度或边缘的方向密度分布很好地描述。 一、适用： HOG descriptors用于目标检测的特征描述器，用来计算局部图像梯度的方向信息的统计值，适合于做图像中的行人检

http://blog.csdn.net/raodotcong/article/details/6239431 原文地址  最近要做图像特征提取，可能要用下HOG特征，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特征提取功能使用了HOGDescriptor这个类来进行封装，其中也有现成的行人检测的接口。然而，无论是OpenCV官方说明文档还是各个中英文网站目前都没有这个

http://blog.csdn.net/Armily/article/details/8333862 原文链接