计算图像中每个像素的图像梯度方向和幅度。x 方向和 y 方向的梯度滤波核
为：
梯度幅度 
和方向
然后计算为：
根据其方向，计算出的梯度随后分配给特定数量的方向 Bin。
对 Bin 的投票是
梯度幅度的 函数。正如 Dalal 和 Triggs 所发现的，在
将方向划分为 9 个 Bin 在将 HOG 特征用于行人检测方法时
可获得最佳结果 [Dal05]。在 VA 示例设计“HOG_9Bins_HistogramMax.va”和“HOG_9Bins_Histogram.va”中，我们实现了这种 Binning。
此外，在示例“HOG_4Bins_HistogramMax.va”中，我们将其划分为
个 Bin。
特定方向分配
给某个 Bin（方向为
）是通过
插值完成的：
在此 
是 Bin 之间的角度步长大小。
方向梯度直方图（每个区域对应 8x8 像素）的单个 Bin 列 
随后计算为：
然后，将 8x8 像素的每个单元的直方图组合成大小为 2x2 单元的块，以涵盖亮度或对比度的局部方差。
这些块具有
的重叠。
将 HOG 描述符用于目标识别目的时，块归一化（算法见
[Dal05]）可将性能提升 
倍。
当前设计示例中省略了块归一化。在设计“HOG_4Bins_HistogramMax.va”和“HOG_9Bins_HistogramMax.va”中，
最大直方图方向
被转发到 DMA，而在“HOG_9Bins_Histogram.va”中，完整的方向梯度直方图被发送到 PC。
下面介绍的设计可以轻松适应用户的特殊用途。也就是说，可以根据 [Dal05]另外实现特定数量和步长的方向 Binning 或块
归一化。
上一页
