HOG

方向梯度直方圖（Histogram of Oriented Gradient, HOG）特徵是一種在計算機視覺和影象處理中用來進行物體檢測的特徵描述子。它通過計算和統計影象區域性區域的梯度方向直方圖來構成特徵。
Hog特徵結合SVM分類器已經被廣泛應用於影象識別中，尤其在行人檢測中獲得了極大的成功。需要提醒的是，HOG+SVM進行行人檢測的方法是法國研究人員Dalal在2005的CVPR上提出的，而如今雖然有很多行人檢測演算法不斷提出，但基本都是以HOG+SVM的思路為主。
可借鑑部落格 http://blog.csdn.net/liulina603/article/details/8291093

PHOG特徵

分層梯度方向直方圖(Pyramid Histogram of Oriented Gradients,PHOG) 是一種描述空間形狀的特徵向量，在不同層次上統計邊緣影象的梯度方向直方圖分佈情況，具有較強的抗噪效能和一定的抗旋轉能力，目前主要應用於影象檢索等模式識別工作中，並已取得穩定、良好的效果。但受其分層規則的制約，缺乏一定的尺度自適應性。
可參考http://blog.csdn.net/yihaizhiyan/article/details/6790342

python中skimage庫中有hog特徵的提取函式

fd, hog_image = hog(image, orientations=8, pixels_per_cell=(4, 4),
cells_per_block=(1, 1),transform_sqrt=None, visualise=True)
輸入：
image：影象矩陣
orientations:Number of orientation bins.
pixels_per_cell:Size (in pixels) of a cell
cells_per_block:Number of cells in each block.
transform_sqrt：是否進行gamma校正
visualise：生成視覺化圖片
輸出：
fd：一維化的HOG特徵
hog_image: 生成的視覺化圖形