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