图像特征提取在对象检测中具有重要的地位,许多论文提出过许多里程碑式的特征,比如LAB特征,HOG特征等。
HOG特征及FHOG特征(Deformable Part Model中HOG的一种变种)都是利用了图像的梯度信息作为图像信息的描述工具,其基本的思想可以查看HOG的wiki页面:
在一副图像中,局部的表象和形状(apparence and type)能够被梯度或者边缘的方向密度分布很好的描述
1.HOG
HOG特征的提出在2005年CVPR的会议上,全称Histogram of Orientation Gradient.
1.1 HOG 算法的实现
输入图像作者采用的是没有gamma矫正的RGB颜色空间图像。
1.1.1梯度计算
正如作者在论文中说的,人脸识别检测器对于如何计算像素点的梯度比较敏感。在作者的论文中指出经过大量的实验,发现最简单的才是最有效的。
也就是对图像不采用高斯平滑的情况下使用 -X方向的分梯度模板;