(二)OpenCV特征提取与检测_08_HOG特征检测

HOG特征描述子提取:
①灰度图像转换(1:2)
cvtColor(gray = R0.3 + 0.59G + 0.11B)
②梯度计算
③分网格的梯度方向直方图
分割为88=64像素的Cell网格
对每个Cell求取方向直方图 (Orientation Hist)
分为9个Bin，角度取值范围为-180_{180之间，对-180}0之间的加上180取正数，对应的值为梯度值。方向为Bin数组0~9的Index
④块描述子
将2x2的网格单元组合成为一个大的块(Block)
对每个块之间有1/2部分是重叠区域
主要是将每个Cell的直方图合并为一个大的直方图（Bin索引不变[0~9]之间）
⑤块描述子归一化
⑥特征数据与检测窗口
正样本(用于特征识别)、负样本(干扰因素)
最终获得HOG描述算子(特征数据)
对于64x128的像素块，可以分为8x16个Cell分为7x15个块(R-HOG)
总计的直方图向量数为：7x15x2x2x9 = 3780个向量数组(64-16)/8+1个水平块，(128-16)/8+1个垂直块)个16x16块扫描窗口，每个块有2x2个cell，9表示9-bins直方图)用来存储每个像素的梯度大小和梯度方向
初步测试、开窗检测
⑦匹配方法
(HOG + SVM 实行行人检测)

HOGDescriptor(
Size winSize,//(64, 128) 
Size blockSize,//(16, 16)
Size blockStride,//(8, 8)
Size cellSize,//(8, 8)
int  nbins)；//9)

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main