图像特征 （一） HOG特征

HOG方向梯度直方图，这里分解为方向梯度和直方图。

一 方向梯度：

在单变量的实值函数的情况，梯度只是导数，或者对于一个线性函数，也就是线的斜率。

在图像梯度的概念也是像素值变化最快的方向，把边缘（在图像合成中单一物体的轮廓叫做边缘）引入进来，边缘与梯度保持垂直方向。

用以下公式计算该像素点的梯度大小和方向。

二 直方图

三 方向梯度直方图HOG的提取

HOG主要应用于行人检测方面，以行人照片为例。

单独将其中一个8*8的小格拿出来，方向梯度中指的方向范围为360度，为了画直方图我们还需要选取合适的组距也就是bin，这里组距选取360/9，也就是最后的直方图组数为9.

下图为8*8像素的cell对应的方向梯度。

将上面的64个方向梯度，按着直方图的参数设置进行画图，其中梯度的大小在统计数量中呈线性关系，比如梯度大小为2，则直方图对应增加2个单位，画出的对应直方图假设如下所示：

把上图中单个cell对应的方向直方图转化为单维向量，也就是按规定组距对对应方向梯度个数进行编码。（8,10,6,12,4,5,8,6,14），得到单个cell的9个特征，每个block（扫描窗口）包含2*2*9=36个特征，一个64*128大小的图像最后得到的特征数为36*7*15=3780个。这样将一副直观的梯度图通过分解提取变为计算机容易理解的特征向量。

以上工作为HOG提取的主要内容，最后得到对应的行人的由方向梯度直方图HOG提取到的特征向量。