方向梯度直方图（HOG）阅读笔记

在2005年的CVPR会议上，Dalal大牛首次提出了HOG这一概念，起初是用于行人检测（Pedestrian
Detection），现在已经被广泛用于各类图像识别算法中，一般模式是HOG提取特征+SVM分类。这里记录一下HOG的基本思想和概念。

首先来看一下摘自Dalal的HOG论文中的一句话：The basic idea is that local object
appearance and shape can often be characterized rather well by the
distribution of local intensity gradients or edge
directions. 这句话即很好地概括了HOG的中心思路：所检测的局部物体外形能够被光强梯度或边缘方向的分布所描述。

具体步骤可见论文，这里详细说一下较难理解的cell和block部分。

在对每个像素计算过梯度之后，就可以开始构建cell，一般对于行人检测算法而言，选取6*6个像素构成一个cell，假设我们采用9个bin的直方图来统计这6*6个像素的梯度信息。也就是将cell的梯度方向360度分成9个方向块，一个方向块对应的梯度范围有360/9=40度，比如一个像素的梯度方向是10度
，则对应到第一个方向块的值加x，x数值具体为几，取决于该梯度对应的投影权值大小。

然后是block，比如选取2*2个cell组成一个block。扫描整个图像时，是以block为单位对图像进行扫描，每次扫描步长为一个cell，如下图所示：




第一次扫描的是蓝色区域，第二次扫描前进一个cell的步长，因此到达红色区域，而红蓝交界的地方，即是论文中提到的overlapping，是否需要overlapping，可以根据情况不同而选择。比如对人物头像进行切割时，如果正好把眼睛从中间切割并且分到了两个block中，提取完HOG特征之后，这会影响接下来的分类效果，但是如果两个bloch之间overlap，那么至少在一个block中会有完整的眼睛。但很自然，这么做无疑也会增大计算量。

以上。