1.預處理

用於計算HOG特徵的影象一般都是選擇大小為64x128畫素大小。

在opencv中可以直接呼叫resize()來完成，得到src。當然也有先裁剪在resize()的操作方式。這裡也可以採用gamma correction對src進行處理，但是從Dalal和Triggs的論文可知，其作用並不是很大，所以也可以不用。

2.計算梯度影象
需要計算出src在X和Y方向的梯度影象Gx和Gy（梯度影象均為單通道影象），然後根據Gx和Gy計算出幅值和角度，這裡的角度一般採用無符號表示，即0~180度。另外如果src是三通道的影象，那麼將三個通道中的最大值作為該點的梯度值。這樣做的好處就是將原本8x8個畫素，每個畫素有3個通道，就是8x8x3個數據，計算梯度後每個畫素點有兩個值（幅值和角度）就是8x8x2個數據。資料量變少了，少的部分就是顏色資訊，只保留了邊緣訊號。

在opencv中，可以用sobel()運算元來計算梯度，然後用cartToPolar()來計算幅值和角度。

// C++ gradient calculation. 
// Read image
Mat img = imread("bolt.png");
img.convertTo(img, CV_32F, 1/255.0);
 
// Calculate gradients gx, gy
Mat gx, gy; 
Sobel(img, gx, CV_32F, 1, 0, 1);
Sobel(img, gy, CV_32F, 0, 1, 1);

3.計算梯度直方圖
以8x8個畫素為一個cell，計算每個cell的直方圖，每個直方圖有9個bin，分別表示0 20 40 。。。 160度9個方向，而把對應的方向上的幅值作為bin的值。這裡需要考慮的是如果出現一個方向，比如10度，幅度為2，那麼將其線性分解到0和20度兩個bin上，各加1。對於為什麼是對8x8進行直方圖計算，其實比如32x32也是沒有問題的，作者指出對於行人檢測，8x8已經足夠。
選擇以8x8個畫素作為單位計算直方圖，考慮了畫素點周維的資料，這樣會降低噪聲的影響。

4.對梯度直方圖歸一化處理
在第三步中計算得到的梯度直方圖，如果光照發生變化，那麼直方圖也會相應的發生很大變化，所以這裡進行歸一化處理，這樣可以降低對光照的敏感性。

具體的操作是，在16x16畫素為一個block,將一個block中的4個梯度直方圖進行歸一化（4個直方圖，共36個bin作為一個向量進行歸一化），然後以8x8個畫素作為步長，迴圈操作。在一幅64x128的影象中可以找到7x15個block.而每個block有36x1個數據。所以最後得到的HOG特徵（描述子）是一個7x15x36=3780維的資料。

5. Opencv API的呼叫

opencv中已經集成了HOG特徵提取的演算法。下面是呼叫試例。

#include<opencv.hpp>
#include<iostream>

using namespace cv;
using namespace std;

int main(void)
{
	Mat input = imread("d:/Opencv Picture/HOG/simple.png");
	if (input.empty())
		return 1;
	Mat src = input.clone();
//這一部分是如何計算HOG特徵描述子
#if 0
	Mat dst,dst_gray;
	resize(src, dst, Size(64, 128));
	cvtColor(dst, dst_gray, CV_BGR2GRAY);

	HOGDescriptor detector(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9);
	vector<float> descriptor;
	vector<Point> location;
	detector.compute(dst_gray, descriptor, Size(0, 0), Size(0, 0),location);
	cout << "descriptor size " << descriptor.size();
#endif

	//下面是呼叫opencv中整合的基於HOG的SVM行人檢測資料集，進行行人檢測
	HOGDescriptor hog=HOGDescriptor();
	hog.setSVMDetector(hog.getDefaultPeopleDetector());
	vector<Rect> peopleLocation;
	hog.detectMultiScale(src,peopleLocation,0,Size(8,8),Size(16,16),1.05,2.0);
	for (int i = 0; i < peopleLocation.size(); ++i)
	{
		rectangle(src, peopleLocation[i], Scalar(0, 0, 255));
	}
	imshow("input", input);
	imshow("src", src);
	cvWaitKey();
	return 0;
}