论文|人体检测目标检测梯度方向直方图HOG特征解读

端午节回家休息了几天，6月份还要加油~

回到正文，HOG是一种经典的图像特征提取方法，尤其是在行人识别领域。虽然文章是2005年在CVPR发表的，但近十年来没有被淹没的文章确实值得一读。

关键理念:

局部物体的形状和外观可以用边缘的局部梯度或密度分布来表示。

主要步骤:

上图是论文中提供的图片。我个人认为参考资料中列出的博客中给出的图片可能更容易理解。

具体细节:

每个过程的详细解释在这个博客里已经写的很清楚了，这里就不赘述了。

本文数据集的图像大小为:64 * 128，块大小为16x16，块跨距为8×8，单元大小为8×8，bins=9(直方图层数)；

在获得每幅图像的特征维数后，用线性SVM训练分类器。

下图是作者给出的一个例子:

这两篇博客都很好，推荐阅读。