HOF与MBH

两个传统的图像处理特征，简单有用。

1.HoF（Histogram of Flow)
1）概念

HOF（Histograms of Oriented Optical Flow）是计算光流方向的直方图，和HoG一个概念，通常用于Action Recogntion中。

2）提出原因

一方面，光流对于运动方向，背景变化敏感。另一方面，在动作识别中，相应的光流特征描述子的维度在变化。于是，需要寻找一个基于光流的既能表征时域动作信息，又对尺度和运动信息方向不敏感的特征。这就是HOF的由来。

3）计算步骤：
（1）计算光流
（2）统计直方图
计算光流矢量与横轴的夹角，根据角度将其投影到对应的直方图bin中，并根据该光流的幅值进行加权（消除背景的影响！）
v表示光流，θ表示光流方向，b表示直方图第几bin，B一般表示要投影到对于直方图的bin数，如下例则表示是4


（3）归一化
　补充：

• 以横轴为基准计算夹角能够使HOF特征对运动方向（向左和向右）不敏感。
• 通过归一化直方图实现HOF特征的尺度不变性。
• HOF直方图通过光流幅值加权得到，因此小的背景噪声对直方图的影响微乎其微。
• 通常直方图bin取30以上识别效果较好。

2.MBH特征

MBH特征是在2006年的一篇论文: 《 Human Detection using oriented Histograms of flow and appearance 》中介绍的几种动作描述算子之一。

对于HOG特征，其统计的是灰度图像梯度的直方图；对于HOF特征，其统计的是光流（包括方向和幅度信息）的直方图。而对于MBH特征，它的处理方法是将x方向和y方向上的光流图像视作两张灰度图像，然后提取这些灰度图像的梯度直方图。即MBH特征是分别在图像的x和y方向光流图像上计算HOG特征。

由上图可以看出，MBH特征的计算效果就是提取了运动物体的边界信息，用于动作识别等任务。