HOG는 "Histogram of Oriented Gradients"의 약자로, 컴퓨터 비전 및 객체 검출 분야에서 사용되는 특징 추출 기술 중 하나이다. HOG는 이미지의 지역적 그래디언트 정보를 히스토그램으로 표현하여 이미지에서 객체의 모양과 윤곽을 설명하는 데 사용된다. HOG 특징은 객체 인식, 객체 검출 및 이미지 분류와 같은 응용 분야에서 특히 유용하다.
HOG 특징 추출의 주요 단계는 다음과 같다:
-
그래디언트 계산: 먼저 이미지에서 각 픽셀의 그래디언트(밝기 변화)를 계산한다. 이를 통해 이미지의 엣지 및 텍스처 정보를 얻을 수 있다.
-
셀 분할: 이미지를 격자 형태로 나누고, 각 격자 영역을 셀(cell)이라고 부른다. 각 셀은 그래디언트 정보를 수집하는 단위이다.
-
그래디언트 방향과 크기: 각 셀 내에서 그래디언트의 방향과 크기를 계산한다. 일반적으로 방향은 0~180도 사이의 범위에서 계산된다.
-
셀 히스토그램 생성: 각 셀 내에서 그래디언트 방향을 히스토그램으로 표현한다. 이 히스토그램은 셀 내의 그래디언트 방향 분포를 요약한다.
-
블록 구성: 이미지를 더 큰 블록(block)으로 나누고, 각 블록은 인접한 셀들의 히스토그램을 결합한다.
-
HOG 디스크립터 생성: 블록 단위로 계산된 히스토그램을 결합하여 전체 이미지의 HOG 디스크립터를 생성한다. 이 디스크립터는 객체의 모양 및 윤곽을 나타내는 특징 벡터이다.
HOG 특징은 주로 보행자 검출과 같은 객체 검출 작업에서 사용되며, 이미지에서 객체의 형태를 효과적으로 나타내는 데 도움이 된다. HOG 특징은 SVM(Support Vector Machine) 및 다른 분류기와 결합하여 객체 검출 작업에 사용될 때 많은 성능 향상을 제공한다.
