文章简介

本文深入解析方向梯度直方图（HOG）特征的核心原理、优势，以及从灰度化、Gamma校正到特征拼接的完整提取流程，并结合Python实践说明其在行人检测中的应用逻辑——作为2005年Dalal提出的经典框架，HOG+SVM至今仍是许多检测算法的基础。

一、什么是HOG特征？

方向梯度直方图（Histogram of Oriented Gradient, HOG）是计算机视觉中物体检测的经典特征描述子，通过统计图像局部区域的梯度方向密度分布，来刻画目标的外观与轮廓。

2005年法国学者Dalal在CVPR上提出的「HOG+SVM」行人检测框架，至今仍是许多检测算法的基础——即使深度学习兴起，HOG的“局部统计+归一化”思想仍被轻量化模型借鉴。

1. HOG的核心思想

图像中局部目标的形状与表象，能通过「梯度（或边缘）的方向密度分布」有效描述：

• 梯度本身集中在边缘区域（比如行人的轮廓、衣物纹理）；
• 统计梯度方向的分布，相当于用“方向直方图”编码了目标的形状特征。
  

2. HOG的性能优化关键

为提升鲁棒性，HOG引入块（Block）级别的对比度归一化：将局部细胞单元（Cell）的直方图置于更大的块中，先计算块内直方图的密度，再用该密度对块内所有Cell的直方图做归一化。这一步能消除光照变化、阴影的影响。

3. HOG的优势（为何适合行人检测？）

• 形变鲁棒性：基于局部方格单元的操作，对图像的**几何形变（如缩放）和光学形变（如光照不均）**不敏感——这些形变通常影响更大的空间范围；
• 动作容忍性：在“粗空域抽样+精细方向抽样+强局部归一化”的条件下，只要行人保持直立姿势，细微肢体动作（如挥手、抬腿）不会干扰检测；
• 计算高效：梯度计算、直方图统计均为线性操作，适合实时检测场景。

二、HOG特征的完整提取流程

HOG的提取过程可概括为7步，核心逻辑是“局部统计→块归一化→全局拼接”：

1. 图像灰度化；
2. Gamma空间归一化；
3. 计算像素梯度（大小+方向）；
4. 划分细胞单元（Cell）；
5. 统计Cell的梯度方向直方图；
6. 块（Block）的归一化与特征拼接；
7. 全局HOG特征的生成。

步骤1：Gamma空间与颜色空间标准化

光照变化是物体检测的最大干扰之一，因此需先对图像做归一化处理：

1. 灰度化：颜色信息对行人检测帮助有限，先将彩色图转为灰度图（仅保留亮度通道）；
2. Gamma校正：通过压缩图像的纹理强度，降低局部阴影与光照变化的影响。公式为：$$I_{\text{gamma}}(x,y)=I(x,y{)}^{\gamma }$$其中$\gamma$常取1/2（即平方根压缩）——这一步能有效抑制高光区域的过度曝光。

步骤2：计算像素梯度

梯度是HOG的“原始特征”，能捕获图像的轮廓、纹理信息，并进一步弱化光照干扰。对于灰度图中的像素点$(x,y)$：

• 水平梯度$G_x$：用卷积核$[-1,0,1]$计算（检测水平方向的边缘，如行人的左右轮廓）；
• 垂直梯度$G_y$：用卷积核$[1,0,-1{]}^T$计算（检测垂直方向的边缘，如行人的上下轮廓）；
• 梯度大小：$G(x,y)=\sqrt{G_x(x,y{)}^2+G_y(x,y{)}^2}$（衡量边缘的强度）；
• 梯度方向：$\theta (x,y)=\arctan 2(G_y(x,y),G_x(x,y))$（范围0_{360°，或简化为0}180°以减少计算量）。

步骤3：细胞单元（Cell）的梯度直方图统计

接下来将图像划分为互不重叠的小细胞单元（常见尺寸：6×6像素/Cell），并为每个Cell统计梯度方向直方图：

1. 方向分箱：将梯度方向（0~180°）均分为9个bin（每bin20°）——这是行人检测的最优设置（平衡计算量与特征区分度）；
2. 加权统计：每个像素的梯度方向会被分配到对应的bin中，而梯度大小则作为该bin的权重（例如：梯度方向25°属于第2个bin，梯度大小为2，则该bin计数+2）；
3. 特征向量：每个Cell最终生成一个9维特征向量（对应9个bin的统计值）。
   

步骤4：块（Block）的归一化与特征拼接

由于局部光照和前景-背景对比度变化，Cell的直方图会出现梯度强度波动，需通过“块归一化”解决：

1. 块的定义：将相邻的Cell组合成一个块（常见设置：2×2个Cell/Block），块之间重叠滑动（步长为1个Cell）——例如，2×2的Block会覆盖4个Cell；
2. 特征拼接：将块内所有Cell的9维特征串联，得到一个36维向量（2×2×9）；
3. 归一化：对块内特征做L2范数归一化（或L1范数），公式为：$$v_{\text{norm}}=\frac{v}{\sqrt{\Vert v{\Vert }_2^2+ϵ}}$$其中$ϵ$是极小值（避免除以0）。

块的重叠设计，让每个Cell的特征多次参与不同块的计算，能显著提升特征的鲁棒性。

步骤5：全局HOG特征的生成

最后，将检测窗口内所有重叠块的HOG描述符按顺序拼接，得到整个窗口的HOG特征向量——这就是供SVM等分类器使用的输入特征。

三、HOG特征维数计算示例

以行人检测中常用的64×128像素输入图像为例，参数设置如下：

• Cell尺寸：16×16像素（每个Cell包含16×16个像素）；
• Block尺寸：2×2个Cell/Block；
• 块滑动步长：8像素（即步长为Cell大小的一半，重叠率50%）；
• Bin数量：9。

则特征维数计算如下：

1. 每个Block的特征维数：$2\times 2\times 9=36$；
2. 水平方向的Block数量：$\frac{64-16}{8}+1=7$；
3. 垂直方向的Block数量：$\frac{128-16}{8}+1=15$；
4. 全局特征维数：$36\times 7\times 15=3780$。

这意味着，一张64×128的行人图像，最终会被转化为3780维的HOG特征向量。

四、Python实现：快速提取HOG特征

在Python中，OpenCV库提供了cv2.HOGDescriptor类，可快速实现HOG特征提取——以下是行人检测的示例代码：

import cv2
import numpy as np

# 1. 读取图像并转为灰度图
img = cv2.imread("pedestrian.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 2. 定义HOG参数（行人检测的经典设置）
win_size = (64, 128)    # 检测窗口大小（与训练数据一致）
block_size = (16, 16)   # 块大小（2×2 Cell）
block_stride = (8, 8)   # 块滑动步长（重叠50%）
cell_size = (8, 8)      # Cell大小（8×8像素）
nbins = 9               # 直方图Bin数量

# 3. 初始化HOG描述符
hog = cv2.HOGDescriptor(win_size, block_size, block_stride, cell_size, nbins)

# 4. 计算HOG特征
hog_features = hog.compute(gray)

# 输出特征维数（应等于3780）
print(f"HOG特征维数：{hog_features.shape[0]}")

五、HOG的优势与局限性

优势

• 对形变鲁棒：基于局部Cell的操作，对图像缩放、旋转（小角度）不敏感；
• 光照鲁棒：Gamma校正+块归一化，能有效抑制光照变化与阴影；
• 计算高效：梯度计算、直方图统计均为线性操作，适合实时检测。

局限性

• 对遮挡敏感：若行人被遮挡（如背包、雨伞），局部梯度信息会丢失；
• 依赖目标姿势：仅对“直立行人”效果好，躺卧、弯腰等姿势会降低检测率；
• 高维特征：3780维的特征向量，对分类器（如SVM）的计算速度有一定影响。

六、总结

HOG特征的本质，是通过“局部细胞单元的梯度直方图+块归一化+全局拼接”，将图像的形状特征转化为高维向量。这种设计让HOG既保留了局部细节，又对光照、形变鲁棒——因此成为行人检测的经典特征。

即使如今深度学习算法（如YOLO、Faster R-CNN）占据主导，HOG的“局部统计”思想仍被轻量化模型借鉴（如MobileNet的深度可分离卷积，本质是局部特征的高效提取）。

若你想入门计算机视觉的物体检测，HOG绝对是值得深入学习的“基础课”。

获取更多资料

欢迎下载学习资料，包含：机器学习，深度学习，大模型，CV方向，NLP方向，kaggle大赛，实战项目、自动驾驶等。
搜 “机器视觉与数据” 免费获取。