HOG特征提取原理and计算步骤，方向梯度直方图

HOG简介

        方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。        

原理

        其实本质就是梯度的统计信息，而梯度主要存在于边缘的地方。在一副图像中，局部目标的表象和形状（appearance and shape）能够被梯度或边缘的方向密度分布很好地描述。

方法

        Hog特征提取主要依靠于三个参数： 检测窗口、块（block）、细胞单元。假定提取参数为      winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8)，nbins(9)
其中nBins表示在一个胞元（cell）中统计梯度的方向数目，例如nBins=9时，在一个胞元内统计9个方向的梯度直方图，每个方向为180/9=20度

Hog特征提取中最小的统计单位，我们把它叫细胞单元（cell）。采集细胞单元中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。

        性能提升 ：把每个Block进行对比度归一化（contrast-normalizedÿ