方向梯度直方图（HOG）概述
HOG 是一种手工设计的图像特征描述子，最早由 Dalal 与 Triggs 在 2005 年提出，用于捕捉图像局部的梯度方向分布，从而刻画物体的形状和边缘信息。它的核心思想是“局部梯度方向的统计”，能够在光照、对比度变化下保持鲁棒性。
2. 工作原理与主要步骤
| 步骤 |
关键操作 |
常见实现细节 |
| ① 预处理 |
将输入图像统一尺寸、灰度化（或保留颜色通道） |
OpenCV cv::resize、cvtColor |
| ② 梯度计算 |
使用 Sobel、Prewitt 等算子得到水平（Gx）和垂直（Gy）梯度，进而求出每个像素的梯度幅值 M = √(Gx²+Gy²) 与方向 θ = arctan2(Gy,Gx) |
|
| ③ 划分细胞（Cell） |
将图像划分为若干固定大小的格子（常用 8×8 或 4×4 像素） |
|
| ④ 方向直方图 |
在每个细胞内把梯度方向离散到若干 bin（常用 9 个，范围 0°-180° 或 0°-360°），并用梯度幅值对 bin 进行加权累计 |
|
| ⑤ 块归一化（Block） |
将相邻的若干细胞（如 2×2）组成块，对块内所有直方图向量进行 L2、L1‑sqrt 或 L2‑Hys 归一化，以抑制光照和对比度的影响 |
|
| ⑥ 特征向量拼接 |
将所有块的归一化直方图按顺序串联，得到整幅图像的 HOG 特征向量（维度可达数千） |
|
| ⑦ 分类/检测 |
常配合线性 SVM、软间隔分类器或模板匹配实现目标检测 |
|
3. 参数设置要点
| 参数 |
典型取值 |
影响 |
| 细胞大小 (cell size) |
8×8、4×4 像素 |
越小捕捉细节越多，特征维度增大 |
| 块大小 (block size) |
2×2、3×3 细胞 |
块越大归一化效果更好，但计算量上升 |
| 步幅 (block stride) |
1 细胞（即 50% 重叠）或 2 细胞 |
重叠提升鲁棒性，常用 50% 重叠 |
| 方向 bin 数 |
9（0°-180°）或 12、18 |
bin 越多分辨率越高，特征维度随之增长 |
| 归一化方式 |
L2‑Hys（默认）/ L1‑sqrt / L2 |
不同方式对光照变化的抑制程度不同 |
4. 常用实现
- OpenCV：
cv::HOGDescriptor（默认参数即 8×8 cell、2×2 block、9 bin）
- scikit‑image：
skimage.feature.hog，支持自定义参数并直接返回可视化图像
- 深度学习框架：在自监督学习中，HOG 常被用作目标特征（MaskFeat）以提升效率
5. 优势与局限
| 优势 |
局限 |
| 对光照、对比度变化鲁棒（归一化块） |
对尺度、姿态变化敏感，需要金字塔或多尺度检测 |
| 计算成本相对低，易实现、易解释 |
只能捕捉梯度信息，忽略颜色、纹理细节，特征维度高易导致过拟合 |
| 在资源受限或需要可解释性的场景仍具竞争力 |
随着深度卷积网络的兴起，单纯 HOG 已难匹配端到端学习的表现 |
6. 典型应用场景
- 行人检测 – 原始论文即在 64×128 像素的行人窗口上取得显著效果，至今仍是基准。
- 车辆、交通标志检测 – 结合金字塔 HOG（PHOG）提升多尺度检测能力。
- 人脸表情识别 – 将 HOG 作为特征输入 SVM/随机森林，实现高效的表情分类。
- 红外图像故障诊断 – 在电力设备红外图像中提取 HOG 并配合 SVM，实现高精度的故障判别。
- 多目标跟踪 – 基于 HOG 模板匹配与非极大值抑制的跟踪算法在复杂场景中保持实时性。
- 图像伪造检测 – 利用 HOG 捕捉局部纹理异常，配合机器学习检测篡改痕迹。
- 自监督特征学习（MaskFeat） – 将 HOG 作为预测目标，提升轻量模型的特征表达效率。
7. 最近的研究进展（2023‑2025）
| 研究方向 |
关键成果 |
| 多目标跟踪 |
通过 HOG 模板匹配结合非极大值收敛算法，实现高精度实时跟踪。 |
| 红外故障识别 |
改进 SLIC 分割后使用 HOG+SVM，对电网隔离开关的红外图像进行状态判别，准确率显著提升。 |
| 图像伪造检测 |
将 HOG 特征与深度特征融合，构建轻量级伪造检测模型，能够在低分辨率图像中捕捉细微篡改。 |
| 表情识别 |
基于 HOG 的特征向量在多类表情数据集上达到 92% 以上准确率，且计算开销仅为 CNN 的 1/10。 |
| 自监督学习 |
MaskFeat 采用 HOG 作为目标特征，在小模型上实现与像素‑MAE 相当的性能，兼具高效与解释性。 |
8. 小结
方向梯度直方图是一种通过统计局部梯度方向来描述图像结构的特征方法。它的 计算流程（梯度 → 细胞 → 方向直方图 → 块归一化 → 特征向量）简单而高效，能够在光照变化下保持稳健。虽然在尺度和姿态变化上有局限，但 结合金字塔、多尺度或深度学习的后处理，仍能在行人检测、车辆识别、红外故障诊断、表情识别等众多实际任务中发挥重要作用。近年来的研究进一步将 HOG 融入 多目标跟踪、图像伪造检测、MaskFeat 自监督特征学习 等前沿领域，证明了即使在深度学习盛行的今天，HOG 仍具备不可替代的 解释性、轻量化 与 跨模态兼容 的优势。
