HOG¶

HOG算法流程：¶

例子：¶

• 分成六部的图像：

1¶

• 第一步的作用在于将图像规范化，通过两个方面GAMMA和COLOUR， GAMMA方面的话，其规范化后图像中的参量可以被直接提取出来，方便后面的操作，颜色的规范化则是去除图像中光强值同时保留颜色值，例如去除阴影或者光强变化的像素。
• 在低FPPW中，均方根的GAMMA压缩能够提高其表现。而LOG则起到了反作用。

2¶

• 斜率的计算直接影响识别的表现，不同的斜率计算方法在FPPW的表现上不同，总体而言，较为简单的斜率计算能够获得更好的效果，此外，对于颜色的斜率计算则是对每一个颜色通道进行独立的斜率测量，并且寻找到最标准的一个作为像素的斜率向量。求导不仅能够捕捉人物轮廓信息，也能进一步削弱光强差异。

3¶

• 这个模块的主要目的在于通过计算每个像素的权重投票，通过局部空间地区（CELL）累计投票，投票是用来反映某像素的斜率幅度的大小。

4¶

• 针对图像中前景和背景之间的信息的不同，运用归一化使得信息得以统一，通过局部空间单元的信息组成向量（最关键部分），空间中的模块是重合的，这样每个单元可以包含多个单元的信息，使得向量能够反映更多的图像信息。这可以大幅度提高图像识别能力。

5¶

• HOG技术在人物识别窗口中共有16个像素，这大大降低了识别的错误率，而这一步就是将像素收集并整理信息。

6¶

• 将之前整理的向量送入SVM进行分级，来判断其是否是人物。