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

                                                                                                          作者 张旭  编辑 徐松

1. HOG简介

2. 数字图像梯度定义

3. HOG基本步骤

4. OpenCV实现HOG

5. 用KNN与HOG实现一个手写数字输入识别

1. HOG简介

方向梯度直方图（Histogram of Oriented Gradient, HOG）于2005年提出，是一种常用的特征提取方法，且HOG+SVM的方式在行人检测中有着优异的效果。经典的论文为《Histograms of oriented gradients for human detection》，这篇文章中，HOG就是用来做行人检测的。作者研究了行人检测的特征集问题，局部归一化的HOG描述子相比于现存的特征集有着更好的表现。HOG是大小统一的cell上进行梯度方向投影计算得到的，而且为了提高性能，还采用了重叠的局部对比度归一化。HOG描述子针对一个检测窗口，根据窗口中块的个数，块内cell的个数，以及cell内bins的个数串接得到最后的HOG描述子。

2. 数字图像梯度定义

在具体说明HOG算法之前，需要解释一下图像梯度的概念，在数字图像中，图像梯度信息包含梯度幅值（梯度大小）和梯度相位（梯度方向）大小，梯度幅值G（x,y）计算如公式（1）、（2）、（3）所示，其中Gx（x,y），Gy（x,y）分别为x，y方向上的分量。梯度相位θ（x,y）计算如公式（4）所示：