采用HOG特征与SVM方法用于检测图像的目标进行二分类。

一、HOG方向梯度直方图

1.HOG简介

方向梯度HOG（Histogram of Oriented Gradient, HOG）特征是一种用于计算机视觉与图像处理领域中的物体检测的关键特征描述子

2.HOG基本步骤简述

(1)标准化gamma空间和颜色空间

第一步旨在消除光照因素影响的第一步是将整个图像实施归一化处理。在图像纹理强度中 表层区域（如边缘区域）对整体亮度的影响显著 因此该压缩方法能够有效减少阴影和光照变化带来的影响 由于颜色信息的作用相对较小 通常先转化为灰度图；

(2)计算图像梯度

第二步, 计算图像在横向和纵向方向上的梯度, 并进而推导出每个像素点的梯度方向; 求导操作不仅既能够捕获轮廓、人影以及一些纹理信息, 还能够在一定程度上减弱光照的影响。

(3)为每个细胞单元构建梯度方向直方图

第三步，在每个细胞单元上构建梯度方向直方图的目的在于为局部图像区域提供一种编码方案。这种编码方案旨在同时满足以下两个方面：其一是能够保持对图像中人体对象的姿态和外观特征具有较弱的不敏感性；其二是通过对局部区域进行详细描述以增强整体识别能力。为了实现这一目标，在实际操作中我们将整个图像划分为多个“单元格cell”，例如每个cell占据的空间大小约为64x64像素（具体尺寸可以根据实际需求进行调节）。假