我阅读了Dalal和Triggs关于HOG描述的论文，以及@人名关于相同主题的博客。博客中提到，为了识别不同的人，需要在不同的尺度上对图像进行重新采样。

我的问题是：我们已经有一个大小为64*128的窗口，这个窗口在图像上滑动。那么，为什么不直接在整个图像上滑动这个窗口来检测人，而要进行重新采样呢？

如果我理解错了，请纠正我，提前谢谢！

回答：

你关于64*128大小被训练用于分类为“人”或“非人”的说法是正确的。但是在现实世界的图像中，所有的人都总是以64*128的尺寸出现吗？

这就是缩放发挥作用的地方。通过逐步缩小图像，同样的64*128像素区域将覆盖原始图像中更大的区域，从而允许检测不同尺寸的人。

例如，这是我在多尺度上运行检测后，我的模型的一个示例。呈现的结果是在应用非最大抑制以清除多余检测窗口之后的结果。