HOG特征提取原理

HOG特征提取
原始HOG特征提取
 原始图像归一化，防止光照不均匀，采用伽马校正：
a=b^gamma 其中伽马参数一般为0.5
 对图像每个像素进行提取梯度信息：
 对图像进行卷积，获得X,Y的梯度信息，卷积核：
■([-1&0&1])和■([1&0&-1)]^T
 根据XY梯度信息，计算像素的梯度信息（方向和值）
 将像素划分为一个单元格cell，一般按照66的像素划分；
 对cell进行构建梯度方向直方图统计：一般是将0-180度按照20度进行划分，划分为9个bin。9个bin的值就是每个cell计算的梯度值作为投影权值。
 最后将几个cell合并为一个block，一般为22个cell组合为一个block，将所有cell的方向直方图串联起来形成block值。
 对block进行归一化，归一化的方式为：
       A = ■([k_1&k_2&k_3])  其中：
       C = √(〖k_1〗^2+ 〖k_2〗^2+〖k_3〗2 )
       则：A_norm= ■([k_1/C&k_2/C&k_3/C])
根据以上流程完成hog特征提取。
HOG特征信息计算案例
针对行人检测：图像大小64128，block大小1616即（22 cell），cell为88，block步长为88。
则根据以上信息计算出：
Cell 数量为：64/8  *  128/8=128
Block数量为：（64/8  -1）（128/8  -1）= 7 * 15 = 105
一个Block特征维量：229 = 36
一个样本特征维数： 105*36 = 3780