将计算图像中每个像素的图像梯度方向和幅度。梯度滤波核
在 x 和 y 方向上为：
梯度幅度 
和方向
随后计算为：
根据其方向，计算出的梯度随后会被分配到特定数量的方向 Bin 中。
对 Bin 的投票是
梯度幅度的 函数。正如 Dalal 和 Triggs 所发现的那样，将方向划分为 9 个 Bin（跨越
）在使用 HOG 特征进行人体检测方法时效果最佳 [Dal05在 VA 示例设计“HOG_9Bins_HistogramMax.vad”和“HOG_9Bins_Histogram.vad”中，我们实现了这种分箱。此外，在示例“HOG_4Bins_HistogramMax.vad”中，我们将数据分割成 4 个箱。
）。将特定方向分配或加权
到某个 Bin
（具有方向
）的过程
通过插值完成：
此处 
是 Bin 之间角度步长的大小。
随后，方向梯度直方图的单个 Bin 列
（每个对应 8x8 像素的区域）计算如下：
然后，将 8x8 像素每个单元格的直方图组合成 2x2 单元格大小的块，以涵盖亮度或对比度的局部变化。
这些块的重叠度为
。
出于目标识别目的使用 HOG 描述符时，块归一化（算法见
[Dal05]）可将性能提升 
当前设计示例中省略了块归一化。在设计“HOG_4Bins_HistogramMax.vad”和“HOG_9Bins_HistogramMax.vad”中，最大方向直方图被转发到DMA，而在“HOG_9Bins_Histogram.vad”中，完整的方向梯度直方图被发送到PC。以下介绍的设计可以轻松地根据用户的特定需求进行调整。也就是说，可以根据[此处应插入参考文献]调整方向分箱的数量和步长，或者进行块归一化。Dal05] 额外实现特定数量和步长的方向 Binning 或块归一化。
上一页
