MD hog 实现移动侦测

1. 原图resize到 640*360 大小， resize方法可采用 bilinear interpolation;

2. 计算 Hog水平方向和垂直方向的梯度，滤波 kernel如下

MD_HogGradX = "-1,-2,0,2,1" 

MD_HogGradY= "-1,-2,0,2,1" 

3.对比帧选择，假如当前帧号为 N, 使用第（N - MD_RefFrmIdx）帧为参考帧， MD_RefFrmIdx=3;

4.分别提取 第 N帧 和 第 （N - MD_RefFrmIdx）帧的 HOG 特征图 ，这里假如 hog_block=16*16, hog_cell=8*8 , block的步长为8， 那么 每个 8*8的cell 会有 9个特征值（梯度方向和幅值加权统计得到），每个16*16的block 就有了 36个特征值。此时获取的 hog feature map 维度为  w=(640-8)/8, h = (360-8)/8, c = 36 , 即   hog feature map =79*44*36（第 （N - MD_RefFrmIdx）帧的 HOG 特征图可复用之前的计算结果减少hog运算）;

5. 对 hog feature map 在 c 维度做 滤波，滤波kernel [1/4, 2/4, 1/4] ；

6. 对 hog feature map 在 c 维度做 归一化；

7. 第N帧 和 第 （N - MD_RefFrmIdx）帧的 hog feature map 在 c （36个数值的向量）维度 做距离计算， 大于一定距离的认为是移动的特征点；

8.对 判定为 移动的坐标点进行 聚类，聚类的结果形成 目标框