OpenCV HOGDescriptor 參數圖解

      最近要做圖像特徵提取，可能要用下HOG特徵，所以研究了下OpenCV的HOG描述子。OpenCV中的HOG特徵提取功能使用了HOGDescriptor這個類來進行封裝，其中也有現成的行人檢測的接口。然而，無論是OpenCV官方說明文檔還是各個中英文網站目前都沒有這個類的使用說明，所以在這裏把研究的部分心得分享一下。

      首先我們進入HOGDescriptor所在的頭文件，看看它的構造函數需要哪些參數。 

    CV_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),
    	cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),
        histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true), 
        nlevels(HOGDescriptor::DEFAULT_NLEVELS)
    {}

    
    CV_WRAP HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride,
                  Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1,
                  int _histogramNormType=HOGDescriptor::L2Hys,
                  double _L2HysThreshold=0.2, bool _gammaCorrection=false,
                  int _nlevels=HOGDescriptor::DEFAULT_NLEVELS)
    : winSize(_winSize), blockSize(_blockSize), blockStride(_blockStride), cellSize(_cellSize),
    nbins(_nbins), derivAperture(_derivAperture), winSigma(_winSigma),
    histogramNormType(_histogramNormType), L2HysThreshold(_L2HysThreshold),
    gammaCorrection(_gammaCorrection), nlevels(_nlevels)
    {}

    
    CV_WRAP HOGDescriptor(const String& filename)
    {
        load(filename);
    }

    
    HOGDescriptor(const HOGDescriptor& d)
    {
        d.copyTo(*this);
    }

      我們看到HOGDescriptor一共有4個構造函數，前三個有CV_WRAP前綴，表示它們是從DLL裏導出的函數，即我們在程序當中可以調用的函數；最後一個沒有上述的前綴，所以我們暫時用不到，它其實就是一個拷貝構造函數。

      下面我們就把注意力放在前面的構造函數的參數上面吧，這裏有幾個重要的參數要研究下：winSize(64,128), blockSize(16,16), blockStride(8,8), cellSize(8,8), nbins(9)。上面這些都是HOGDescriptor的成員變量，括號裏的數值是它們的默認值，它們反應了HOG描述子的參數。這裏做了幾個示意圖來表示它們的含義。

      窗口大小 winSize

      塊大小 blockSize

      胞元大小 cellSize

      梯度方向數 nbins

      nBins表示在一個胞元（cell）中統計梯度的方向數目，例如nBins=9時，在一個胞元內統計9個方向的梯度直方圖，每個方向爲180/9=20度。

      HOG描述子維度

      在確定了上述的參數後，我們就可以計算出一個HOG描述子的維度了。OpenCV中的HOG源代碼是按照下面的式子計算出描述子的維度的。 

size_t HOGDescriptor::getDescriptorSize() const
{
    CV_Assert(blockSize.width % cellSize.width == 0 &&
        blockSize.height % cellSize.height == 0);
    CV_Assert((winSize.width - blockSize.width) % blockStride.width == 0 &&
        (winSize.height - blockSize.height) % blockStride.height == 0 );
    return (size_t)nbins*
        (blockSize.width/cellSize.width)*
        (blockSize.height/cellSize.height)*
        ((winSize.width - blockSize.width)/blockStride.width + 1)*
        ((winSize.height - blockSize.height)/blockStride.height + 1);
}

      參考文獻

      OpenCV中的HOG算法來源於Histograms of Oriented Gradients for Human Detection, CVPR 2005。詳細的算法可以參考這個文章。