fhog

第一次看见fhog在研究复现KCF代码时

传统hog特征提取

hog特征（梯度统计直方图）--------1，对原图进行灰度化（hog统计的是梯度信息，色彩几乎没有贡献）。2再进行gamma压缩和归一化（减轻光照影响）.3，统计每个cell里的梯度（包括大小和方向，大小用来加权方向）统计直方图。4，再把几个cell合并成一个block，作为这个block的hog特征。5，对这个特征进行归一化处理，可以进一步减轻光照影响。

第四步中，合成block的时候有两种方式，overlap和non-overlop，就是分块之间是否有重叠，各有有缺带你，美誉重叠的速度快，但是可能由于连续的图像没有分到一个block里降低特征的描述能力，有重叠的就可以很好的解决这个问题，但是会带来运算开支加大。

FHOG是在传统的hog特征上进行了一些改进，即把高斯特征融入到相关滤波框架中的一种方法

参考链接：https://www.jianshu.com/p/69a3e39c51f9?from=singlemessage