Histograma de Gradientes Orientados (HOG) en Visión por Computadora

El Histograma de Gradientes Orientados (HOG) es un algoritmo de extracción de características utilizado para tareas de detección y reconocimiento de objetos. Fue introducido por primera vez por Navneet Dalal y Bill Trigs en su artículo de CVPR titulado "Histograms of Oriented Gradients for Human Detection". HOG es un método de descriptor global que extrae información del vecindario, como texturas y estructuras de bordes, de una imagen y la comprime en un vector de características. El algoritmo implica calcular la imagen de gradiente, el histograma del gradiente y la normalización. La imagen de gradiente se calcula usando el operador de Sobel, que mide la diferencia en intensidad en escala de grises. El histograma del gradiente se crea combinando la magnitud y la orientación de cada píxel en un histograma con 9 compartimentos. Luego se aplica la normalización para reducir la influencia de las variaciones en la iluminación y el contraste. El vector de características resultante, llamado descriptor HOG, se utiliza como entrada para algoritmos de clasificación como SVM. HOG es particularmente efectivo para detectar formas y contornos, como la forma humana, y se utiliza ampliamente en aplicaciones de visión por computadora. El algoritmo se puede implementar fácilmente usando OpenCV, que ofrece un descriptor HOG integrado y un modelo SVM pre-entrenado para detectar personas.