HOＧ（Histgrams of Oriented Gradients）特徴量

・HOGとは？
一般物体の認識のための勾配ベースの特徴量。
SIFT特徴量と同じく局所領域における輝度の勾配方向をヒストグラム化したもの。
・SIFTとの違いは？
SIFT:特徴点周りの勾配に関して勾配ヒストグラムを計算
HoG:一定領域に対して勾配ヒストグラムを計算
・どうやって求める？
step1:各ピクセルから輝度の勾配強度 $m$ 、方向 $\theta$ を求める
step2:N×Nピクセルを1セル、0°-180°を20°ずつ９方向に分割し、1セルごとに輝度勾配ヒストグラムを作成
step3:各セルにおいて作成したヒストグラムを3×3セルを1ブロックとして正規化を行う。正規化はブロックを１セルずつずらしながら全領域に対し行う。
以上により特徴量を得る。

ちなみに特徴量の次元は馬鹿でかくなる。
120×160の画像に対しこの特徴量を求めると(N=10)、11300次元程度の特徴量になった。

物体認識に使われるので、基本的に画像から切り出してきた一定領域に対して使われるのが一般的だろうな。この特徴量の性質は以下の通り
局所的な幾何学的変化、明度変化に対し不変
回転、スケール変化に対しては不変ではない。

人検出に対してよく用いられる。
HOG+SVMでは高精度な検出結果が報告されているようだ。

実装してみたけど、･･･さてどうするか。