在圖394中，您可以看到用於計算 HOG 特徵的 VA 設計的基本結構。 對於來自採用 CameraLink 基本配置的攝影機所拍攝的灰階影像，其定向梯度直方圖（HOG） 是在 HierarchicalBox 中計算的 HOG中計算。 此直方圖會透過 DMA 傳送至 PC，此過程在設計「HOG_9Bins_Histogram.va」中實現。而在 VA 設計「HOG_4Bins_HistogramMax.va」 及「HOG_9Bins_HistogramMax.va」中，最大值分量會 轉發至 PC。 以下將說明「HOG_4Bins_HistogramMax.va」的設計結構。其結構與 其他兩個設計類似。針對各設計間可能存在的差異，我們將針對 相應的問題進行說明。預設平台為marathon VCL。這些設計實作可輕鬆調整 以適應其他平台或相機配置。
您可以查看 HierarchicalBox 的內容 HOG 的內容，請參見圖395。
對於原始輸入影像，x 方向和 y 方向的梯度是在 HierarchicalBox GradientFilter 中計算的。其實作方式如圖 47 所示。FIRkernelNxM 算子會產生一個 3x3 核心。FIRoperatorNxM_VerticalEdges 和 FIRoperatorNxM_HorizontalEdges 算子則根據方程式 47 來選取 x 方向和 y 方向的梯度。
針對此梯度，已根據式（48）將其模值與方向實作於該方塊中 大小與方向 中實現（內容與結構請參見圖397）。方框內的詳細註解 有助於理解所實作的公式。
將像素分組為 8x8 像素的方塊，是在 HierarchicalBox 中執行的 ExtractBlocks中進行。此盒子的輸出連結會將 單元格的梯度幅值與方向，以 64 像素寬的線條形式傳遞出去。這些資訊將作為輸入，用於 計算定向梯度直方圖（HOG）， 該運算在 HierarchicalBox Histogram中進行。您可參閱圖398 了解其內容。
在此，梯度方向（可位於
設為
區域中）的分配會在 SplitOrientations算子中執行至四個 bin。這些 bin 為 
,
,
進行明確的生命週期管理即呼叫
.
針對「HOG_9Bins_Histogram.va」與「HOG_9Bins_HistogramMax.va」這兩個設計，共九個區間（
設為
步長為
)。
梯度方向對特定 bin 的分配方式是計算該方向對該 bin 的權重。例如，針對 bin 1 的權重計算以及因此產生的分配（即
），如圖
399.
在此，bin 1 的權重 
根據方程式
49 進行計算。在這個範例中，bin 之間的夾角距離為
CONST_Phi_45Deg
(operator （位於 box Sub45Deg中）。
bin 1 的角度 bin 方向也是
(operator CONST_Chi_45Deg）。然後，各個 bin 的加權因子會乘以梯度幅值（見圖 398）。在 boxes
HistogramColumn_0 設為 HistogramColumn_3 中，根據方程式計算每個直方圖行（針對每個 bin）的內容，即所有影像像素的加權梯度幅值總和。接著，透過使用
50 operator 合併直方圖行來產生 Histogram of
Oriented Gradients。 MergeKernel_Histogram.
由於只有每個核心元件的最後一個像素才是直方圖欄位的真實值，因此會在方塊中選取該像素
LastPixelOnly. 為了納入
區域梯度變化的考量，每個儲存格的梯度方向分佈圖（Histogram of Oriented Gradients）會組合成大小為 2x2 個儲存格的區塊，
重疊區域為
（請參閱本節的理論部分）。儲存格組合成
區塊的操作是在方塊中執行 ConcatenateWithNeighbors。其內容請參見圖
400.
對於每個包含「定向梯度直方圖」資訊的單元格（由單一像素表示），直方圖 中各區間的欄位之間以 運算子分隔 SplitKernel運算子分隔。針對每個核函數分量，會透過運算子 PixelNeighbours1xM 及 LineNeighboursNx1運算子來計算每個核成分在 x 和 y 方向上的相鄰像元。運算子來計算每個核心元件在 x 和 y 方向上的相鄰像素。 FIRoperatorNxM 會將 2x2 個單元的資訊進行求和。 此處不會進行歸一化處理。作為另一種實作方式，可透過設定運算子 將單元分組為區塊的步驟省略， 設定運算子 Const_Enable 設為零，即可省略將單元分組為區塊的步驟。計算出的方向梯度直方圖的最大值將被選取並存入 GetHistogramMax 中選取（參見圖 395）。其內容如圖401 所示。在設計 「HOG_9Bins_Histogram.va」中，省略了直方圖最大值選取的步驟。
最後，直方圖的極值或直方圖本身會以箱線圖呈現 可視化 （參見圖395）中以 紅色線條呈現。 在此框中（路徑：box 繪圖、 啟用原始）中，您可以透過設定參數 ModuloCount_Period （計數幀數）、 Is_InRange （設定幀範圍）以及 Const_Enable 或始終 (設定 Const_Enable 設為一）。最後一步，HOG 特徵會透過運算子 DmaToPC_DMA0將 HOG 特徵傳輸至電腦。在此，HOG 特徵可用作支援向量機 (SVP) 或卷積 神經網路 (CNN) 中物件偵測的描述子。
上一頁
