hog检测的一点理解

最近需要把博客重新整理下， 对于hog，先记下自己的一点理解，另外推荐几篇很不错的分析

hog 算法原理：http://blog.csdn.net/ttransposition/article/details/11874285

http://www.cnblogs.com/hrlnw/archive/2013/08/06/2826651.html

opencv的实现和应用：http://www.cnblogs.com/tornadomeet/archive/2012/08/03/2621814.html

以上这几位都是CV 和 ML的大牛， 在他们的博客中有很多相关的资料！

个人对于hog过程的大致理解：

hog检测应该是这样的过程:

1. 窗口在图像内部移动

2~5 gamma校正 计算梯度 权重赋值,统计梯度方向 归一化

6.计算窗口内部特征组成的一位向量,另外block可以是overlap的，Dalal设定的步长为8个像素，因此相邻块之间会有1-2个重叠的单元，而每个单元对其周围的4个块都有贡献。对于的检测窗口最终组成((128 - 8) / 8 * ((64 - 8)/8)) * 4 *9维的特征向量。

这样opencv中调用hog算法时的各项参数应该都能够理解了：</