一丶 HOG简介
HOG是Histogram of Oriented Gradient的缩写,即方向梯度直方图特征,主要用于深度学习中的目标检测与识别,是用来描述物体检测的特征描述子。最早由法国研究人员Dalal在2005的CVPR上提出的,在该文中,作者利用HOG与SVM进行组合用来做行人检测的任务,后来被广泛应用。
二丶HOG的基本原理
首先说一说HOG代表的什么信息吧,我们所研究的图像中局部目标的表象和形状能够通过(梯度或边缘的方向密度分布)很好的表达,说白了就是图像的梯度信息,一般来说,梯度主要存在于边缘的地方。
接下来就是怎么获取方向梯度了,首先说的是大致的方向,我们把局部图像分成若干个小区域(细胞单元),然后统计各个区域中各个像素的梯度或边缘的方向直方图,最后将梯度信息统计在一起就是我们的特征描述器了。
接下来就是怎样将多个局部图像连成更大范围