HOG（方向梯度直方图）

定义

HOG（Histogram of Oriented Gradients，方向梯度直方图）是 Navneet Dalal 和 Bill Triggs 于 2005 年提出的图像特征描述算子，通过统计局部区域内梯度方向的分布来刻画物体的轮廓与外形。

原理

算法将图像划分为小的单元格（cell），计算每个像素的梯度幅值与方向，在单元格内累积方向直方图；相邻单元格组成块（block）做归一化以抑制光照变化，最后将所有块的直方图串联成特征向量。

应用

HOG 与线性 SVM 分类器结合构成的行人检测器是深度学习普及前最成功的检测方案之一，也被用于车辆检测、手势识别等任务，OpenCV 内置了相应实现。

评价

优点是对光照和小幅形变鲁棒、原理直观；缺点是对遮挡敏感，表达能力弱于卷积神经网络学习到的特征，如今多用于教学与轻量场景。