定向位移直方图（HOD）是计算机视觉中的一种特征描述子，用于概括两帧连续图像之间像素的运动。它通过将位移向量的方向和幅值分箱到直方图中来捕捉其分布，从而提供场景动态的紧凑表示。HOD 常用于动作识别、行人检测和视频监控等任务，在这些场景中，它作为基于光流的方法（如定向梯度直方图（HOG）或光流直方图（HOF））的替代方案。
该描述子的工作流程是，首先估计每帧之间每个像素或关键点的位移，通常采用块匹配或稀疏光流技术。然后，将这些位移量化到方向分箱中（例如，覆盖 360 度的 8 或 16 个分箱），并可选地进行幅值加权。生成的直方图经过归一化处理，以实现对全局尺度变化的不变性，从而对物体尺寸变化和相机变焦具有鲁棒性。与密集光流不同，HOD 可以在稀疏特征点上高效计算，在降低计算成本的同时保留判别能力。
历史发展
基于直方图的描述子概念在 2000 年代初随着 HOG 在物体检测中的成功而受到重视。HOD 作为运动特化的扩展出现，首次出现在约 2008 年至 2010 年的学术文献中。卡内基梅隆大学和麻省理工学院计算机科学与人工智能实验室等机构的研究人员探索了其在人体动作识别中的应用，在受控实验中其表现优于原始光流直方图。到 2012 年，HOD 被集成到更大的视频分析流程中，通常与 HOG 等外观描述子结合，以同时捕捉静态和动态特征。
计算方法
HOD 的计算涉及三个主要阶段：位移估计、直方图构建和归一化。位移估计通常使用 Lucas-Kanade 方法或相位相关来查找逐像素运动向量。对于每个向量，其角度被量化到 N 个方向分箱之一，其幅值贡献到该分箱的计数中，可以是二值投票或按幅值加权。为了处理尺度变化，直方图采用 L1 或 L2 归一化。在实践中，可以应用空间金字塔，将图像划分为单元格并拼接每个单元格的直方图，类似于 HOG 的块结构。
在机器学习中的应用
在机器学习和人工智能中，HOD 特征通常被输入到支持向量机或随机森林等分类器中。它们已被用于监控系统中的人类活动识别，其中该描述子捕捉行走或挥手等周期性运动模式。HOD 也出现在自动驾驶研究中，通过比较道路场景中的位移直方图来辅助检测移动障碍物。随着深度学习的兴起，HOD 在很大程度上已被卷积神经网络学习到的特征所取代，但它仍然是视频理解任务中有用的手工设计基线，特别是在资源受限的环境中。
与相关描述子的比较
HOD 与 HOF 密切相关，后者直接对光流向量进行分箱。关键区别在于，HOD 操作于帧间位移，这可以在无需密集流估计的情况下计算，因此速度更快。然而，HOD 对相机运动敏感，因为全局位移会主导直方图。为了缓解这一问题，一些实现会在计算位移之前减去全局运动模型（例如，仿射变换）。与运动历史图像等时间模板相比，HOD 提供了更紧凑且旋转不变的表示，但除非与空间池化结合，否则会丢失空间布局信息。
局限性与扩展
HOD 的一个主要局限性是其在低纹理或快速运动区域中依赖准确的位移估计，而块匹配在这些区域可能失败。扩展方法通过采用多尺度方法或结合颜色和深度线索来解决这一问题。另一种扩展，即带幅值加权的定向位移直方图，提高了对噪声的鲁棒性。近年来，HOD 已被适配用于数据增强流程，其中生成合成位移以训练鲁棒模型。尽管深度学习占据主导地位，但 HOD 的简单性和可解释性使其在边缘计算和实时系统中保持相关性。
参见
- histogram-of-oriented-gradients（如可用）
- optical-flow（如可用）
- 计算机视觉（如可用）
- action-recognition（如可用）
参考文献
- Dalal, N., & Triggs, B. (2005). Histograms of oriented gradients for human detection.
- Laptev, I., et al. (2008). Learning realistic human actions from movies.
- Wang, H., et al. (2011). Action recognition by dense trajectories.