hog特征的原理

⽬标检测的图像特征提取之（⼀）HOG特征

1、HOG特征：

⽅向梯度直⽅图（Histogram of Oriented Gradient, HOG）特征是⼀种在计算机视觉和图像处理中⽤来进⾏物体检测的特征描述⼦。它通过计算和统计图

像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。

（1）主要思想：

在⼀副图像中，局部⽬标的表象和形状（appearance and shape）能够被梯度或边缘的⽅向密度分布很好地描述。（本质：梯度的统计信息，⽽梯度主要

存在于边缘的地⽅）。

（2）具体的实现⽅法是：

⾸先将图像分成⼩的连通区域，我们把它叫细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的⽅向直⽅图。最后把这些直⽅图组合起来就可以构成

特征描述器。

（3）提⾼性能：

把这些局部直⽅图在图像的更⼤的范围内（我们把它叫区间或block）进⾏对⽐度归⼀化（contrast-normalized），所采⽤的⽅法是：先计算各直⽅图在这

个区间（block）中的密度，然后根据这个密度对区间中的各个细胞单元做归⼀化。通过这个归⼀化后，能对光照变化和阴影获得更好的效果。

（4）优点：

与其他的特征描述⽅法相⽐，HOG有很多优点。⾸先，由于HOG是在图像的局部⽅格单元上操作，所以它对图像⼏何的和光学的形变都能保持很好的不变

性，这两种形变只会出现在更⼤的空间领域上。其次，在粗的空域抽样、精细的⽅向抽样以及较强的局部光学归⼀化等条件下，只要⾏⼈⼤体上能够保持直⽴的

姿势，可以容许⾏⼈有⼀些细微的肢体动作，这些细微的动作可以被忽略⽽不影响检测效果。因此HOG特征是特别适合于做图像中的⼈体检测的。

- 1 - 基于旋转不变HOG特征的图像匹配算法

汤彪，左峥嵘，李明

作者简介：汤彪，（1988-），男，硕士研究生，主要研究方向：目标检测与跟踪，图像特征提取。

通信联系人：左峥嵘，男，副教授，主要研究方向为数字图像处理，目标跟踪与图像匹配。E-mail:

zhrzuo@ （华中科技大学图像识别与人工智能研究所，武汉 430074）

摘要：图像匹配是目标检测问题中的一个非常重要的组成部分，HOG(Histogram of Oriented 5

Gradient)特征因为能够对图像局部的几何和光学变化保持很好的不变性，在图像匹配领域

也得到了应用。但是HOG特征并不能保证对旋转不变，在实际使用中存在着一些局限性。本

文提出了一种方法来改进HOG特征，使得HOG特征能够保证对旋转不变。本文主要通过改进

HOG特征中图像的划分方式和梯度方向直方图来得到旋转不变的HOG特征。本文提出使用一

种新的图像划分方式，将图像划分成一些圆环区域代替传统HOG特征的方形区域划分方式，10

同时本文提出对梯度进行RGT(Radial Gradient Transform)变换，利用变换后的梯度统计

直方图信息以获得旋转不变的直方图信息。最后文章研究了相关参数的选择问题，以获得最

优的匹配效果。实验结果表明，本文提出的改进的HOG特征在能够在保证图像匹配准确率的

情况下也保证了旋转不变性，同时本文的特征在实时性上也优于传统的HOG特征。

关键词：图像匹配；梯度方向直方图（HOG）；RGT(Radial Gradient Transform)变换 15

中图分类号：TN911.73

A Rotation-Invariant Histogram of Oriented Gradient for

Image Matching

TANG Biao, ZUO Zhengrong, LI Ming

20

(Institute for Pattern Recognition and artificial Intelligence, Huazhong University of science and

第１９卷第３期　２０１６年８月　扬州大学学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｙａｎｇｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　Ｖｏ１．１９　ＮＯ．３　Ａｕｇ．２０１６　

基于ＨｏＧ一多尺度ＬＢＰ特征的人脸性别识别　

闰敬文　，江志东　，刘　蕾　

（汕头大学ａ．工学院，广东汕头５１５０６３；ｂ．医学院，广东汕头５１５０４１）　

摘要：针对人脸性别识别中单一特征描述子对人脸信息表达的不足，提出一种方向梯度直方图（ｈｉｓｔｏ—　ｇｒａｍ　ｏｆ　ｏｒｉｅｎｔｅｄ　ｇｒａｄｉｅｎｔ，ＨＯＧ）和多尺度局部二值模式（１ｏｃａｌ　ｂｉｎａｒｙ　ｐａｔｔｅｒｎｓ，ＬＢＰ）多特征融合的人脸性　别识别算法．首先，对输入图像进行裁剪和缩放得到多个分辨率的人脸图像，再分别提取ＬＢＰ统计直方图　并合成一个特征向量；然后，提取目标图像头肩模型的ＨＯＧ特征得到ＨＯＧ特征向量；最后，将ＬＢＰ特征　向量与ＨＯＧ特征向量合成一个新的特征向量，应用支持向量机（ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ，ＳＶＭ）进行训练．　在自建的人脸库中采用１Ｏ折交叉法测试该算法的准确性，准确率可达９３．０　，结果表明该算法对人脸性　别识别的准确率优于其他单一的特征提取算法．　

关键词：人脸性别识别；方向梯度直方图；多尺度局部二值模式；支持向量机　

中图分类号：ＴＰ　３９１．４　文献标志码：Ａ　文章编号：１００７—８２４Ｘ（２０１６）０３—００５８—０５　

ＤｏＩ：１０．１９４１ｌ／ｊ．１００７—８２４ｘ．２Ｏ１６．０３．０１４　

０　引言　

随着人机交互技术的发展，以人为核心的计算机视觉系统得到了广泛应用．目前，基于生物特征　识别的身份认证已被应用于安全验证、信用卡验证及档案管理等．人类自身通过人脸进行性别识别的　准确率高达９５　ｌｌ１］，但如何让计算机实现人脸性别的自动识别却是一项富有挑战性的工作，因此根　据人体面部图像分析判断性别成为研究热点．Ｓｈａｎ［２］利用局部二值模式（１ｏｃａｌ　ｂｉｎａｒｙ　ｐａｔｔｅｒｎｓ，ＬＢＰ）　直方图进行性别识别，在ＬＦｗ人脸数据库中实现了９４．８１　的准确率．Ｘｉａ等　提出了一种局部盖　博二值映射模式（１ｏｃａｌ　ｇａｂｏｒ　ｂｉｎａｒｙ　ｍａｐｐｉｎｇ　ｐａｔｔｅｒｎ，ＬＧＢＭＰ）人脸表示方法，利用ＳＶＭ进行性别　识别，在ＧＡＳ＿ＰＥＡＬ人脸数据库中达到９４．９６　的准确率．Ｙａｎｇ等［４　利用局部三元模式和极限学习　机进行性别识别，在ＦＥＲＥＴ数据库中实现了９５．６２５　的准确率．Ｇｉｌ等　设计了一种卷积神经网络　进行性别和年龄的识别．Ａｌｉ等　采用局部盖博二值模式（１ｏｃａｌ　ｇａｂｏｒ　ｂｉｎａｒｙ　ｐａｔｔｅｒｎ，ＬＧＢＰ）和三维　人脸重建进行性别识别，在ＬＦｗ数据库中获得９９．８　的准确率．Ｈａｍｉｄ等　运用主成分分析和模糊　聚类的方法，在ＦＧ—ＮＥＴ数据库中测试准确率达９２．６５　．本文提出一种融合方向梯度直方图（ｈｉｓ－　ｔｏｇｒａｍ　ｏｆ　ｏｒｉｅｎｔｅｄ　ｇｒａｄｉｅｎｔ，ＨＯＧ）和多尺度ＬＢＰ特征的人脸面部特征描述方法，以期通过提取脸　部局部纹理特征和梯度特征实现性别识别．　

Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ　Ｖｉｓｉｏｎ　科技视界　科技・探索・争鸣　

基于部位组合ＨＯＧ特征的行人检测　

周佳敏　

（武汉理工大学，湖北武汉４３００７０）　

【摘要】本文针对传统的基于梯度直方图特征（Ｈ０Ｇ）的行人检测耗时长的问题，，ｂＥｆｌ￣结合头部与腿部特征的行人检测方法，根据腿部和　

头部的检测结果．综合采用部位约束，特征转化以及分类器阈值调整的方法对检测结果融合，大幅提升对于行人的辨识能力。　

【关键词】行人检测；ＨＯＧ特征；特征组合　

行人检测在视频监控、虚拟现实技术等领域有广泛的应用．也是　

计算机视觉和模式识别领域的重要研究方向　由于行人姿态、服饰的　差异性增加了行人检测的难度　人体的轮廓受这种因素的干扰较　

少．可以提供描述行人较为鲁棒的特征　Ｄａｌａｌｍ等提出的梯度方向直　方图特征．利用局部边缘梯度分布特征来表征行人．具有优良的检测　

性能。　

尽管ＨＯＧ特征表现出优异的检测性能．其特征向量的维数过高　使得特征计算和在线检测时间过长　本文提出结合行人头部与腿部图　

像区域作为感兴趣区域进行检测．精确识别出行人目标　

１　ＨＯＧ特征描述　

将一副待检图像分成Ｎ个单元．称为”Ｃｅ１１”，由若干个单元可组　合成一个块．称为”Ｂ１ｏｃｋ”、整幅图像由一定数目的块组成．块与块之　间允许重叠　通过统计各个块内各单元在各个方向上的梯度分布．即　

构成了该图像的ＨＯＧ特征．其计算过程如下　

１．Ｉ计算梯度　

采用梯度算子计算图像的水平方向梯度和垂直方向梯度　

１．２构建梯度直方图　

将梯度方向分为若干个子区问．对单元内每个像素点．以各像素　

点的梯度值为权重．对其梯度方向所属子区间进行投票加权　１－３梯度强度归一化　

对梯度强度在块内做归一化［４１处理，可以减少局部光照以及前景、　背景对比度的变化对直方图特征的影响　ＨＯＧ特征就是块中所有单　

元的直方图所组成的一个向量　

１．４形成特征向量将所有检测窗口中所有重叠的块中各ＨＯＧ特征　串联起来就构成了最终的特征向量