[2005CVPR]Histograms of Oriented Gradients for Human Detection

HOG这种方法跟边缘方向直方图，尺度不变特征变换（SIFT）以及形状上下文方法（shape contexts）有很多相似之处，但与它们的不同点是：HOG描述器是在一个网格密集的大小统一的细胞单元上计算，而且为了提高性能，还采用了重叠的局部对比度归一化.HOG方法是在图像的局部细胞单元上操作，所以它对图像几何和光学的形变都能保持很好的不变性.



算法步骤step1:Gamma/Colour Normalization

作者分别在灰度空间、RGB色彩空间和LAB色彩空间上对图像进行色彩和 伽马归一化，但实验结果显示，这个归一化的预处理工作对最后的结果没有影响，原因可能是：在后续步骤中也有归一化的过程，那些过程可以取代这个预处理的归一化。所以，在实际应用中，这一步可以省略。

算法步骤step2:Gradient Computation

Several smoothing scales were testedinclude-ingσ=0 (none)
uncentred [−1, 1],centred [−1, 0, 1] and cubic-corrected[1,
−8, 0, 8, −1]
2×2 diagonal
3×3 Sobel
Simple 1-D [−1, 0, 1] masks atσ=0 workbest
For colour images, wecalculate separate gradients for eachcolour
channel, andtake the one with the largest norm as the pixel’s gradient vector.

算法步骤step3:Spatial / Orientation Binning

0◦– 180◦ (“unsigned” gradient) or 0◦–360◦ (“signed”gradient)，作者发现，采用无向的梯度和9个直方图通道，能在行人检测试验中取得最佳的效果
为每个cell统计方向梯度直方图，是一个9维的向量，采用三次插值进行投票。为什么是三次插值呢？［两次是偏移x,y，一次是角度，比如我的角度是20度的话，那就要分给0-20度和20-40度的］
it is useful to downweight pixels near the edges of the block by applying aGaussian spatial window to each pixel before accumulating orientation votesinto
cells. (σ = 0.5 ∗ blockwidth)

算法步骤step4:grouping the cells together into larger blocks


如左图，会有4*4个block,每个block里面都有4个cell,所以总共有(4*4)*(2*2)*9个特征

R-HOG区间大体上是一些方形的格子，它可以有三个参数来表征：每个区间中细胞单元的数目、每个细胞单元中像素点的数目、每个细胞的直方图通道数目
block的overlap提高了5%的performance,overlap可以消除block之间的突变

算法步骤step5:Normalization and Descriptor Blocks



L2-Hys, L2-norm followed by clipping (limitingthemaximumvaluesof
v to 0.2) and renormalizing

算法步骤step6:svm训练

我用的是libsvm

算法的总结

RGB colour space with nogammacorrection;
[−1, 0, 1]gradient filter with no smoothing ;

linear gradient voting into 9 orientation bins in 0◦–180◦;
16×16 pixelblocks of four 8×8 pixel cells; Gaussian spatial win-dow withσ
= 8 pixel;
L2-Hys
(Lowe-styleclipped L2 norm) block normalization;

block spacing stride of 8 pixels (hence 4-fold coverage of each cell);
64×128detection window ;
linear SVM classifier.

对于64*128的窗口，因为cell width = cell height = 8,又加上block的overlap,所以总共有7*15个block
每个block内又有4个cell,每个cell是一个9维的特征，所以每个block有36维特征

我们来计算一下特征数:(64/8-1)*(128/8-1) * 4 * 9 = 3780

作者还提到了圆形的block




e图就是生成的特征

根据f图就可以看出对于人来说，轮廓占的svm权重比较大

INRIA行人库 http://pascal.inrialpes.fr/data/human/

hog+svm源代码 timehandle的http://hi.baidu.com/nokltkmtsfbnsyq/item/f4b73d06f066cd193a53eec3