Hog特征

1. Hog各参数图解
   http://blog.csdn.net/raodotcong/article/details/6239431
   

图中：红色区域表示图像，绿色区域表示winSize,蓝色区域表示block,黄色区域表示cell，一般性的一个block中含有4个cell，其中cell是最小的单元，用来统计cell中梯度方向的直方图（如方向bin为9，具体方向的统计可以根据自己需要进行修改），图中给出了两组箭头，分别对应block和winSize,表示其可以进行左右和上下平移，其中步长一个维单个cell的大小,或者说winSize平移表示外循环，winSize平移表示内循环。对于小的图像块，例如20*20,如果选择的cell太小的话，很难描述局部的方向统计特性，如果cell选择太大，那么blcok也会变大，则产生的维度较小，因此，需要根据实际的需要进行参数的调节。
2. Hog描述子个数计算公式

$$\begin{equation} \begin{aligned} 9×\frac{16}{8}×\frac{16}{8}×\left ( \frac{64-16}{8}+1 \right ) × \left (\frac{128-16}{8}+1 \right )=3780 \end{aligned} \end{equation}$$
其中9表示在一个cell中统计9个bin,16*16表示block的大小，8*8表示cell的大小，winSize 图像的大小。

例如：当图像的大小大于winSize的图像大小时，采用下面的计算方式：
首先计算出一根winSize可以产生多少维的特征，然后在看看图像大小能容纳多少个winSize,故计算公式如下：

$$\begin{equation} \begin{aligned} {\color{red}{9×\frac{16}{8}×\frac{16}{8}×\left ( \frac{64-16}{8}+1 \right ) × \left (\frac{128-16}{8}+1 \right )}}{\color{blue}{\left ( \frac{512-64}{8}+1 \right ) × \left (\frac{512-128}{8}+1 \right )}}=10557540 \end{aligned} \end{equation}$$
我们可以通过下面的代码验证：

#include "stdafx.h"
#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int _tmain(int argc, _TCHAR* argv[])
{
    Mat img=imread("lena.jpg",0);
    int w=img.cols;
    int h=img.rows;

    /*HOGDescriptor的默认构造函数
    HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),
    cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),
    histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true),
    nlevels(HOGDescriptor::DEFAULT_NLEVELS)
    {}*/


    HOGDescriptor  *hog=new HOGDescriptor(Size(64,128),Size(16,16),Size(8,8),Size(8,8),9);

    cout<<"图像的宽和高:"<<img.cols<<" "<<img.rows<<endl;
    vector<float>descriptors;//结果数组  
    hog->compute(img, descriptors); 
    printf("descriptors.size():%d\n",descriptors.size()); 
    int siz=hog->getDescriptorSize();
    cout<<"OpenCV的getDescriptorSize:"<<siz<<endl;
    float rat=descriptors.size()/siz;
    cout<<"descriptors.size()/getDescriptorSize:"<<rat<<endl;
    cout<<"sqrt(rat):"<<sqrt(rat)<<endl;
    cout<<"图像大小可以容纳winSize多少个："<<((img.cols-64)/8+1)*((img.rows-128)/8+1)<<endl;;
}

OpenCV函数中有一个Assert语句：

Assert((winSize.width-blockSize.width)%blockStride.width==0 &&(winSize.height-blockSize.height)%blockStride.height==0)

因此，我们输入的参数必须满足上面的要求。
因此对于小的块的图像中Hog特征，我们需要进行参数的调节，例如图像大小为20*20,那么我们选中winSize=[20 20],blockSize一般为blockStride（一般为一个cell的大小）的4倍，那么我们选择blockSize=[16 16],blockStride=8，例如：

#include "stdafx.h"
#include<opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int _tmain(int argc, _TCHAR* argv[])
{
    Mat img=imread("lena.jpg",0);
    int w=img.cols;
    int h=img.rows;

    Rect rect(100,100,20,20);

    Mat patch_img=img(rect);

    /*
    HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),
    cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),
    histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true),
    nlevels(HOGDescriptor::DEFAULT_NLEVELS)
    {}*/


    HOGDescriptor  *hog=new HOGDescriptor(Size(20,20),Size(16,16),Size(4,4),Size(4,4),9);

    cout<<"图像的宽和高:"<<img.cols<<" "<<img.rows<<endl;
    vector<float>descriptors;//结果数组  
    hog->compute(patch_img, descriptors); 
    printf("descriptors.size():%d\n",descriptors.size()); 
    int siz=hog->getDescriptorSize();
    cout<<"OpenCV的getDescriptorSize:"<<siz<<endl;
    //float rat=descriptors.size()/siz;
    //cout<<"descriptors.size()/getDescriptorSize:"<<rat<<endl;
    //cout<<"sqrt(rat):"<<sqrt(rat)<<endl;
    //cout<<"图像大小可以容纳winSize多少个："<<((img.cols-64)/8+1)*((img.rows-128)/8+1)<<endl;;
}

维度为：

576

1. vlfeat中实现的hog特征。
   hog特征的变种有很多，但是结果可能都很相似。vlfeat实现了两种类型的hog特征：

UoCTTI variant 和Dalal-Triggs variant

参考文献:
1. http://www.vlfeat.org/overview/hog.html [Tutorials>HOG features]
2. http://blog.csdn.net/augusdi/article/details/9005352
3. http://www.cnblogs.com/hrlnw/archive/2013/08/06/2826651.html
4. http://blog.csdn.net/liulina603/article/details/8291093
5. http://blog.csdn.net/wobuaishangdiao/article/details/7750723
6. http://m.blog.csdn.net/blog/fanjiaxia/19085141
7. http://blog.csdn.net/ttransposition/article/details/11874285
8. http://blog.csdn.net/raodotcong/article/details/6239431
9. http://blog.csdn.net/u011285477/article/details/50974230 [u011285477的专栏]
10. http://web.mit.edu/vondrick/ihog/index.html#code [hog可视化]