HOG特征提取论文解读

HOG是特征工程时代非常有名的特征描述符，虽然年代久远，但是相信对这种经典的特征工程方法做一定了解，对以后的计算机视觉工作会有很大的启发。 HOG是一种很经典的算法，但是相关的中文资源貌似并不给力，所以上传一些我对HOG工程的理解。 这篇博文主要是关于HOG原始论文的要点解析，并没有详细的HOG工程的步骤，如果大家有需要，可以私信我，或者评论留言，我会继续上传。 ...

1 简介 方向梯度直方图（Histogram of Oriented Gradient，HOG）特征是一种可以快速描述物体局部梯度特征的描述子[1]。它首先将把窗口划分成若干个块（blocks），然后把每一个块中划分若干个元胞（cells），然后统计每个元胞内部的梯度方向直方图作为该元胞的特征向量，然后把每一个元胞的特征向量相连接作为一个块的特征向量，最后把块的特征向量相连接，即为该窗口的 HO...

HOG 对应的论文 Histograms of Oriented Gradients for Human Detection 可以参考的译文：http://blog.csdn.net/masibuaa/article/details/14056807 -------------------------------------------------------------------

具体细节: title : Histograms of Oriented Gradients for Human Detection from : CVPR-2005 motivation : 用于提取图像的特征 主要操作流程 : step - 1. Normalize gamma & colour step - 2. Compute gradient step - 3....

HOG（Histograms of Oriented Gradients）特征是Dalal于2005年针对行人检测问题提出的特征，能够大体描述行人的轮廓[12]。HOG特征是目前行人检测领域最常用的特征。对于其它非行人目标的检测，HOG特征也取得了突出效果，可以说是目标检测邻域，单一特征中效果最好的特征[26]。此外，HOG特征还被应用到姿态估计[62]，人脸识别[63]，表情识

前言 这篇论文提出了大名鼎鼎的HOG特征 Abstract 使用SVM作为分类器，实现行人检测 adopting linear SVM based human detec- tion as a test case HOG特征提取非常非常好 we show experimentally that grids of Histograms of Oriented Gradient (HOG) descriptors sig- nificantly outperform existing feature se

中文翻译：http://blog.csdn.net/masibuaa/article/details/14056807 英文原文：https://wenku.baidu.com/view/69d2bac9482fb4daa48d4b77.html?re=view【免券下载】 原理方面 1. 特征提取和目标检测流程。检测窗口划分为重叠的块，在块中计算HOG描述子，形成的特征向量

HOG特征前言1 理论1.1 梯度计算1.2 分网格的梯度方向直方图1.3 块描述子1.4 块描述子归一化2 代码 前言 HOG全称histogram of oriented gradients.就是根据方向梯度直方图寻找图像的特征。它可以用来表示图像的物体特征，因此能够检测出这类物体。（下图就是HOG提取的特征） HOG特征描述子提取过程： 灰度图像转换 梯度计算 分网格的梯度方向直方图 块描述子 块描述子归一化 1 理论 1.1 梯度计算 为了得到梯度直方图，那么首先需要计算水平和垂直梯度，这可以

HOG特征检测算法原文出处：目的：HOG算法的流程：HOG算法的缺点：引用与参考： 原文出处： N. Dalal, and B. Triggs, Histograms of oriented gradients for human detection, Computer Vision and Pattern Recognition, CVPR 2005, Google Citations: 219...

HOG（Histogram of Oriented Gradient，即方向梯度直方图）是应用在计算机视觉和图像处理领域，用于目标检测的特征描述子，由Navneet Dalal和Bill Triggs等人在2005年CVPR发表的论文上提出。HOG通过计算和统计图像局部区域的梯度方向直方图来构建特征，结合SVM等分类器常用于图像识别等领域，尤其在行人检测中具有非常不错的表现。

1.基本介绍 HOG，全称是方向梯度直方图（Histogram Of Gradient），是目前计算机视觉、模式识别领域很常用的一种描述图像局部纹理的特征。这个特征名字起的也很直白，就是说先计算图片某一区域中不同方向上梯度的值，然后进行累积，得到可以代表这块区域的直方图，使用直方图进行检索或分类。 因为HOG是一个局部特征，因此如果对一大幅图片直接提取特征，是得不到好的效果的。原理很简单。从信息论...

1）HOG特征的原始文献 "Histograms of Oriented Gradients for Human Detection"  "Finding People in Images and Videos" (PhD Thesis) （较为详细） 2） HOG特征算子的网络参考资料 http://www.cnblogs.com/tornadomeet/archive/2012

梯度直方图特征(HOG) 是一种对图像局部重叠区域的密集型描述符, 它通过计算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。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。         H