VisualApplets
基础与示例

在图 372 中，您可以看到用于计算 HOG 特征的 VA 设计的基本设计结构。 对于来自 CameraLink Base 配置相机的灰度图像，方向梯度直方图（Histogram of Oriented Gradients）是在 HierarchicalBox HOG 中计算的。 在设计 "HOG_9Bins_Histogram.vad" 中，该直方图通过 DMA 发送至 PC。在 VA 设计 "HOG_4Bins_HistogramMax.vad" 和 "HOG_9Bins_HistogramMax.vad" 中，最大分量被 转发至 PC。接下来，我们将解释 "HOG_4Bins_HistogramMax.vad" 的设计结构。另外两个设计与此类似。 我们将针对相应的问题解释设计中可能存在的差异。默认平台为 marathon VCL。该设计的实现可以轻松适配 其他平台或相机配置。

您可以在图 373 中查看 HierarchicalBox HOG 的内容。

对于原始输入图像，x 方向和 y 方向的梯度在 HierarchicalBox GradientFilter 中计算。其实现如图 47 所示。算子 FIRkernelNxM 生成一个 3x3 核。算子 FIRoperatorNxM_VerticalEdges 和 FIRoperatorNxM_HorizontalEdges 根据公式 47 选择 x 方向和 y 方向的梯度。

对于这些梯度，根据公式 48 计算的幅值和方向在 box MagnitudeOrientation 中实现（内容和结构见图 375）。box 中的详细注释 有助于理解所实现的公式。

像素在 8x8 像素单元中的分组是在 HierarchicalBox ExtractBlocks 中进行的。该 box 的输出链接以 64 像素大小的行形式转发 单元的梯度幅值和方向。此信息是计算方向梯度直方图的输入， 该计算在 HierarchicalBox Histogram 中进行。您可以在图 376 中查看其内容。

在这里，梯度方向分配（可位于以下区域内： 更改为 ）在框 SplitOrientations中执行，分配到四个 bin 中。这些 bin 是 , , 和 。 对于设计 "HOG_9Bins_Histogram.vad" 和 "HOG_9Bins_HistogramMax.vad"，九个 bin（ 更改为 中的任意值，步长为 )。 将梯度方向分配到特定 bin 的方式是：计算该方向对于该 bin 的权重。例如，加权并因此 分配到 bin 1 的过程是 ，如图 377.

此处权重 根据公式 49 针对 bin 1 进行计算。在此示例中， bin 之间的角度距离为 （算子 CONST_Phi_45Deg 在 box Sub45Deg)。bin 1 的角度 bin 方向 同样为 （算子 CONST_Chi_45Deg)。随后，每个 bin 的加权因子将与梯度幅值相乘（参见图 376)。在 box HistogramColumn_0 更改为 HistogramColumn_3 中，根据公式计算各直方图列的内容（对应每个 bin）， 50 其计算方式为所有图像像素上加权梯度幅值的总和。随后，通过使用算子将直方图列进行合并，生成梯度方向直方图（Histogram of Oriented Gradients） MergeKernel_Histogram。 由于每个 Kernel 组件的最后一个像素才是直方图列的真实值，因此它在 box 中被选中 LastPixelOnly。为了考虑 局部梯度的变化，每个单元格的梯度方向直方图（Histogram of Oriented Gradients）被组合成每个块 2x2 个单元格的块， 重叠度为 （参见本节的理论部分）。单元格 组合成块的操作在以下 box 中执行： ConcatenateWithNeighbors. 参见图中的内容。 378.

对于每个包含方向梯度直方图信息的单元（由单个像素表示），每个 bin 的直方图 列通过 算子 SplitKernel 进行分离。对于每个内核分量，使用算子 PixelNeighbours1xM 和 LineNeighboursNx1 计算 x 和 y 方向上的下一个单元邻居。算子 FIRoperatorNxM 将 2x2 单元的信息相加。 此处不执行归一化。作为替代实现，可以通过将算子 Const_Enable 设置为零来省去将单元分组为块的步骤。计算出的方向梯度直方图的最大值在 box GetHistogramMax 中选择（参见图 373）。其内容如图 379 所示。在设计 "HOG_9Bins_Histogram.vad" 中，省去了直方图最大值的选择。

最后，直方图的最大值或直方图本身在 box Visualize 中（参见图 373）显示为 红线。 在此 box 中（路径：box Draw、EnableOriginal），您可以通过设置参数 ModuloCount_Period（计帧数）、Is_InRange（设置帧范围）和 Const_Enable 或始终显示（将 Const_Enable 设置为 1），在若干帧中将原始图像与 HOG 特征一起可视化。最后一步是经由算子 DmaToPC_DMA0 将 HOG 特征传输到 PC。在此，HOG 特征可用作支持向量机（SVM）或卷积神经网络（CNN）中 Object Detection 的描述符。