HOG特征的应用总结

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征

优缺点描述

优点

首先，由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上。其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果。因此HOG特征是特别适合于做图像中的人体检测的。

行人检测方面：由于HOG特征能够反映人体的轮廓，并且它对图像中的人体的亮度和颜色变化不敏感，在其检测方面有优良的性能。

车辆检测方面：由于HOG特征对光照的不敏感、即使存在部分遮挡也可检测出来，在各种复杂的交通路和停车场所，有很好的鲁棒性。

跟踪方面：HOG特征在跟踪具有明显边沿轮廓的运动目标

HOG表示的是边缘（梯度）的结构特征，因此可以描述局部的形状信息；

位置和方向空间的量化一定程度上可以抑制平移和旋转带来的影响；

采取在局部区域归一化直方图，可以部分抵消光照变化带来的影响。

由于一定程度忽略了光照颜色对图像造成的影响，使得图像所需要的表征数据的维度降低了。

而且由于它这种分块分单元的处理方法，也使得图像局部像素点之间的关系可以很好得到的表征。

缺点

描述子生成过程冗长，导致速度慢，实时性差；

很难处理遮挡问题。

由于梯度的性质，该描述子对噪点相当敏感

主要应用

行人检测、车辆检测、跟踪方面 、 静态图像、视频的行人检测