特征描述子（-）—HOG具体实现过程

       方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。其提取算法具体实现过程如下：

1.图像灰度化处理 （降低图像局部阴影和光照变化的影响）。

2.Gamma 校正法对灰度图像进行颜色空间的规范化（归一化）    （降低图秀对比度，进一步降低图像局部阴影和光照变化的影响）

3. 计算每个像素的梯度（大小和方向）（提取轮廓，弱化光照的影响）

最常用的方法是：首先用[-1,0,1]梯度算子对原图像做卷积运算，得到x方向的梯度分量gradscalx，然后用[1,0,-1]^T梯度算子对原图像做卷积运算，得到y方向的梯度分量gradscaly。然后再用以上公式计算该像素点的梯度大小和方向。

4. 将图像中8*8 作为一个cell，并统计每个cell的梯度直方图（不同方向梯度的个数），其中像素梯度大小就是作为投影的权值的，也就是在该像素对应的bin上累加 1 * 梯度大小，然后得到整个cell的descriptors。

5. 将2*2的cell构成一个block，并将所有cell的descriptors串联起来，然后归一化，归一化方法有L1-norm、L2-norm、L1-sqrt（L1-norm后在平方）。

6. 将整个block串联起来，就得到整个图像descriptors。