Computer vision 筛比生猪的优点

我正在研究SIFT尺度不变特征变换 方向梯度的HOG直方图。所以我想知道，当我们必须从一系列活动的帧中提取特征时，即站立时，SIFT比HOG的优势。 到目前为止，我所理解的是： 1在SIFT中，高斯平滑用于计算高斯的狗差。然后执行缩放极值检测，您将检测特征点。一旦有了这些特征点，就需要计算每个特征的HOG。因为它需要一个16x16的邻域，所以结果将是一个128长度的描述符。而HOG计算整个图像的边缘梯度，找到每个像素的方向，从而生成直方图。 2 HOG用于提取全局特征，SIFT用于提取局部特征。 3 SIFT也是尺度和旋转不变的，而HOG不是尺度和旋转不变的

请让我知道，如果有任何其他优势的筛选。如果我理解错误，也请纠正我。

---

谢谢你

我认为这不是问这样问题的合适地方。这不是编程。您应该查看有关这些功能的出版物。e、 g.人体检测的定向梯度直方图取决于你需要的特征。就像你说的，它们是用于不同目的的不同功能。Don Reba，非常感谢你的回答。例如，我想了解一个人的特征，他正在做一些活动，例如站着、坐着、跳跃等。那么，在这种情况下，SIFT比HOG理论上更好吗？