参考：https://blog.csdn.net/print_out/article/details/88558841

安装版本：opencv3.4.0

编译环境：visual studio 2017

• 简介：HOG全称histogram of oriented gradients，中文是方向梯度直方图。它可以用来表示图像的物体特征，主要是轮廓特征，因此能够用于图像的分类等任务。
• 主要思想：在一副图像中，局部目标的appearance和shape能够被梯度或边缘的方向密度分布很好地描述
• 本质：梯度的统计信息，而梯度主要存在于边缘的地方
• 优点：
  1. 由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上
  2. 在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果。因此HOG特征是特别适合于做图像中的人体检测的

做为至少学了两遍ML的人，目前在上悉尼大学COMP5318，打算系统总结一下知识点，方便自己记忆更深。

今天主要讲的内容是数据的预处理，包括去噪、去丢失值、提特征、特征转化、标准化、相似度度量和计算等等

给出一种评测标准，使其不受坐标系和病人位置的影响，这种方法叫做surface curvature表面曲率

递归是计算机算法中一类较为经典的问题。本文首先总结递归的思想，然后上例题和代码

• 定义：从程序设计的角度来看，递归就是让程序自己调用自己的一种编程技巧

• 作用：递归通常可以将大型复杂问题转化为一个与原始问题相似的较小规模的问题来求解

• 应用场景：①子问题和原问题要执行的操作一样，且子问题规模更小；②不能无限制调用自身，需要有出口

• 思想：将待求解问题的解看作输入变量\(x\)的函数\(f(x)\)，通过寻找递归函数\(g\)，使得\(f(x)=g(f(x-1))\)，同时\(f(0)\)已知，根据递归函数和递归终止条件，就可递归求解了

• 推广：可以推广至多变量，也可以推广至\(x-2\)等，只要递归朝着出口方向前进即可