一、HOG算法
HOG的一個詳細的介紹：https://www.cnblogs.com/wyuzl/p/6792216.html
fast-hog源碼實現流程整理xmind
HOG的核心思想是通過檢測局部物體的梯度和邊緣方向信息得到被檢測物體的局部特征，HOG能較好的捕捉到局部形狀信息，而且對幾何以及光學的變化有很好的不變性。
缺點：在於不能處理關於遮擋的問題，對於物體方向改變或者人體姿勢幅度過大的問題也沒法解決，（后來用DPM中的可變形部件模型的方法，得到了解決）
其本身沒有旋轉不變性，旋轉不變性實際上是通過采用不同的旋轉方向的訓練樣本來實現的，其本身也不具有尺度不變性，這部分也是通過改變檢測窗口圖像的大小來實現的。
由於梯度性質導致的對噪聲敏感的問題，需要在划分block以及cell后進一步高斯平滑去除噪點。
二、HLS實質，具體的設計處理思想等
HLS實質上是一種工具，這個工具存在的意義在於其實際上是把IP的實現采用C語言實現以后，在進一步的對for循環和數組進行分析優化，從而使得其更好的使用FPGA的底層架構，更合理的利用資源（高速度小面積的實現）。這個過程就是改動directive的過程，以及修改C代碼，對應不同的需求會有對應的優化的指令實現方式，最后通過C和RTL聯合仿真然后輸出設計即可。導出IP就可用於vivado的其他任何設計中去了。
這里的關鍵思想就在於優化指令directive的使用，
再提一下HLS的一個好處：可以通過directive來將同樣的代碼綜合成不同結構的電路
比如我們要重復使用一個模塊A，我們可能在資源不夠的時候需要對A進行分時復用，在需要高吞吐量的時候又需要對A進行邏輯復制，如果是寫RTL代碼的話，這兩種方式都需要不少的代碼量，並且從一種方式換到另一種方式的時候需要重新編寫代碼，非常耗時。而使用HLS的話，我們只需要一個for循環對A進行調用就可以了，代碼非常少，至於我們需要綜合成何種結構的電路則添加不同的directive就可以了，並且可以同時生成不同的solution，同時綜合成幾種不同的電路，非常方便。
三、AXI-stream的視頻流圖像處理的方法。
抓住實質，最關鍵的控制信號實際上只有兩個分別是data和valid信號，這兩個信號可以看做是數據信號以及控制信號有效否的控制信號。
AXI4-Stream跟AXI4的區別就是AXI4-Stream去除了地址線，這樣就不涉及讀寫數據的概念了，只有簡單的發送與接收說法，減少了延時
放一個時序圖：
