HOG特征提取算法原理

1.算法基本流程

　　在一幅图像中，方向梯度直方图（Histogram of Oriented Gradient, HOG）能够很好地描述局部目标区域的特征，是一种常用的特征提取方法，HOG+SVM在行人检测中有着优异的效果。在HOG中，对一幅图像进行了如下划分：
图像(image)->检测窗口(win)->图像块(block)->细胞单元(cells)
流程图如下：

2.计算图像梯度

　　对数字图像而言，每个像素水平和垂直方向的梯度，可以通过下图的kernels计算：
　　
　　即可写为：
　　
　　每个像素梯度大小和方向可表示为：
　　
　　其中，I(x,y)是图像在点(x,y)处的像素值。
　　梯度图像移除了不必