图像特征提取方法

 HOG（Histogram of Oriented Gradient，方向梯度直方图）

简介

HOG通过统计计算图像局部区域的梯度方向直方图来构成特征，然后结合SVM分类器进行图像识别，行人检测。

主要思想

梯度的方向是标量场增长最快的方向，梯度的大小是这个最大的变化率。对图像来说，图像的梯度即像素值变化最快的方向，并且图像的边缘与梯度保持垂直。图像局部区域的特征能够被梯度或边缘的方向密度分布很好的描述

方法

首先用[-1,0,1]梯度算子对原图像做卷积运算，得到x方向（水平方向，以向右为正方向）的梯度分量；

然后用[1,0,-1]T梯度算子对原图像做卷积运算，得到y方向（竖直方向，以向上为正方向）的梯度分量；

再用以下公式计算该像素点的梯度大小和方向：

提取方向梯度直方图：

对于64*128的图像，每8*8的像素组成一个cell，每2*2个cell组成一个block，以8个像素为步长，则水平方向将有7个扫描窗口，垂直方向将有15个扫描窗口，一共可以扫描7*15次。

单独将其中一个8*8的cell拿出来ÿ