Histograma de gradientes orientados (HOG)
El Histograma de gradientes orientados (HOG) es una técnica clásica de visión por computadora que consiste en analizar la dirección e intensidad de los gradientes locales en una imagen. La imagen se divide en celdas pequeñas y, en cada una, se calcula un histograma de orientaciones, lo que proporciona una representación robusta de la estructura visual.
Contexto
Propuesto por Dalal y Triggs (2005) para la detección de peatones, HOG se convirtió en una herramienta estándar antes de la llegada del aprendizaje profundo. A menudo se combina con clasificadores como las SVM para tareas de detección de objetos. Aunque hoy en día las CNN superan ampliamente su rendimiento, sigue siendo útil en entornos con recursos limitados.
Ejemplos de aplicación
- Detección de peatones en sistemas de asistencia a la conducción.
- Vigilancia por vídeo para identificar siluetas humanas.
- Robótica para reconocimiento básico de objetos.
Ventajas y limitaciones
- ✅ Rápido y fácil de interpretar.
- ✅ No necesita grandes volúmenes de datos anotados.
- ❌ Superado en precisión por el deep learning.
- ❌ Sensible a cambios de iluminación y escala.
El descriptor HOG puede entenderse como una forma de resumir la “huella” geométrica de una imagen. En lugar de mirar los píxeles directamente, capta cómo cambian las intensidades y en qué direcciones se orientan. Esto permite representar un objeto por su contorno y estructura, lo que resulta muy útil para distinguir figuras humanas o caracteres en documentos.
Durante más de una década, HOG fue el estándar en visión por computadora para detección de personas y vehículos. Su combinación con ventanas deslizantes y SVM logró sistemas fiables en seguridad vial y videovigilancia. Aunque hoy los CNNs dominan, HOG sigue siendo una alternativa práctica cuando se necesita velocidad, bajo consumo de memoria y facilidad de implementación.
Una ventaja adicional es su interpretabilidad: los histogramas permiten visualizar de manera intuitiva qué información está utilizando el modelo para clasificar. Esto lo convierte también en una herramienta didáctica y en una opción preferida en dispositivos con recursos limitados.
📚 Referencias
- Dalal, N., Triggs, B. (2005). Histograms of Oriented Gradients for Human Detection.
