Histogram of Oriented Gradients（HOG，方向梯度直方圖）是一種在計算機視覺和影像處理中常用於物體偵測和辨識的特徵描述方法。
主要原理
HOG通過計算圖像中局部區域的梯度方向（edge orientations）分佈，來描述物體的形狀與結構。具體步驟包括：
- 計算梯度：對影像的每一個像素，計算其水平和垂直方向的梯度（強度和方向），梯度反映了像素亮度的變化邊緣信息。 分割成小區塊（Cells）：將影像劃分成小的連續區域（例如8×8像素的區塊）。 建立方向直方圖：計算每個區塊內像素梯度方向的統計，將梯度方向分為若干區間（如9個bins，每個20度），存下加權的梯度大小到對應bins形成直方圖。 區塊正規化（Normalization）：為了抵抗光照變化和對比度差異，將多個相鄰區塊的統計結果合併並進行正規化。 拼接特徵向量：把所有區塊的正規化直方圖依序拼接為一個高維的特徵向量，作為該圖像或圖像區域的描述。
優點
- 對光照與影像局部變化魯棒。 能有效捕捉物體的形狀結構特徵。 在行人偵測、物體辨識等任務中表現優秀。
應用
HOG常用於行人偵測、自動駕駛、監控影像分析及其他需要物件偵測的場景。簡而言之，HOG是利用局部梯度方向的統計分布來象徵圖像中的形狀特徵，一種強大且穩健的影像特徵抽取方法。
