利用OpenCV提取HOG特征主要有两组参数需要设定，一个是HOG检测滑动窗口内部的参数，另一个是计算HOG特征时滑动窗口的步长

一、HOG检测滑动窗口内部的参数包括：检测window的大小，window内block的大小，block滑动的步长，以及cell的大小。

其中滑动窗口所包含的区域即我们需要提前HOG特征的区域。

HOGDescriptor* hog = newHOGDescriptor(cvSize(64, 48), cvSize(8, 6), cvSize(4, 3), cvSize(4, 3), 9);

cvSize(64,48)表示特征提取滑动窗口的大小，cvSize(8, 6)表示块（block）大小，cvSize(4,3)表示block滑动的步长（block步长设置较小，则相邻的block会有cell的交叠，从而增加特征鲁棒性），cvSize(4, 3)表示胞元（cell）大小，9表示每个胞单元中梯度直方图的数量。

二、提取HOG特征时，参数描述如下：

计算特征向量hog->compute(trainImg,descriptors, Size(64, 48), Size(0, 0))

此处，trainImg代表输入的图片（此处尺寸为640×480），descriptors表示保存特征结果的Vector，Size(64,48)表示windows的步进，第四个为padding，用于填充图片以适应大小。

当padding以默认状态Size(0,0)出现，滑动窗口window来计算图片时，结果不一定为整数。

注意，我们发现这里hog->compute()函数无法指定计算以trainImg图像中某个坐标点为中心的滑动窗口的特征值，为了达到这个目标，我们需要将原图提取的滑动窗口图像放入trainImg中，trainImg的大小和滑动窗口的大小相同，然后设定滑动窗口移动的步长为1（其实此时滑动窗口已经不能移动了，所以设置为多少都行）。这样整个trainImg只能提取一个窗口的HOG特征，这个窗口的大小和trainImg的大小相同。