目前基於機器學習方法的行人檢測的主流特徵描述子之一是HOG（Histogram of Oriented Gradient, 方向梯度直方圖）。HOG特徵是用於目標檢測的特徵描述子,它通過計算和統計影象區域性區域的梯度方向直方圖來構成特徵，用這些特徵描述原始影象。

HOG的核心思想是所檢測的區域性物體外形能夠被光強梯度或邊緣方向的分佈所描述。通過將整幅影象分割成小的連線區域（稱為cells），每個cell生成一個方向梯度直方圖或者cell中pixel的邊緣方向，這些直方圖的組合可表示出（所檢測目標的目標）描述子。

為改善準確率，區域性直方圖可以通過計算影象中一個較大區域(稱為block)的光強作為measure被對比標準化，然後用這個值(measure)歸一化這個block中的所有cells.這個歸一化過程完成了更好的照射/陰影不變性。與其他描述子相比，HOG得到的描述子保持了幾何和光學轉化不變性（除非物體方向改變）。因此HOG描述子尤其適合人的檢測。

OpenCV實現了兩種型別的基於HOG特徵的行人檢測，分別是SVM和Cascade，下邊這個小程式是這兩種分類器的簡單使用。OpenCV自帶的級聯分類器的檔案的位置在“XX\opencv\sources\data\hogcascades”

#include <iostream>  
#include <opencv2/highgui/highgui.hpp>  
#include <opencv2/objdetect/objdetect.hpp>  
#include <opencv2/ml/ml.hpp>  
#include <Windows.h>

using namespace std;  
using namespace cv;  

int main()  
{  
	Mat src = imread("E:\\Picture\\person01.jpg",1);  
	vector<Rect> personSVM, personCasc,personListSVM, personListCacs;//檢測結果矩形框向量
	DWORD SVMTimeBegin,SVMTimeEnd,CascTimeBegin,CascTimeEnd;  //耗時統計	

	//方法1，Hog+svm  
	SVMTimeBegin = GetTickCount();  
	HOGDescriptor hog;//HOG特徵檢測器  
	hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//設定SVM分類器為預設引數     
	hog.detectMultiScale(src, personSVM, 0, Size(2,2), Size(0,0), 1.05, 2);//對影象進行多尺度檢測
	SVMTimeEnd=GetTickCount();
	cout<<"HOG+SVM行人檢測耗時：\n"<<(SVMTimeEnd-SVMTimeBegin)<<endl;

	//方法2.Hog+cascade  
	CascTimeBegin=GetTickCount();  
	CascadeClassifier *cascade = new CascadeClassifier;  
	cascade->load("D:\\ProgramFilesD\\opencv\\sources\\data\\hogcascades\\hogcascade_pedestrians.xml");  
	cascade->detectMultiScale(src, personCasc);  
	CascTimeEnd=GetTickCount();  
	cout<<"HOG+Cascade行人檢測耗時：\n"<<(CascTimeEnd-CascTimeBegin)<<endl;

	//不重合的直接放入List，重合的選取最外側結果  
	for(int i=0; i < personSVM.size(); i++)  
	{  
		Rect r = personSVM[i];  
		int j=0;  
		for(; j < personSVM.size(); j++)  
			if(j != i && (r & personSVM[j]) == r)  
				break;  
		if( j == personSVM.size())  
			personListSVM.push_back(r);  
	}  
	for(int i=0; i < personCasc.size(); i++)  
	{  
		Rect r = personCasc[i];  
		int j=0;  
		for(; j < personCasc.size(); j++)  
			if(j != i && (r & personCasc[j]) == r)  
				break;  
		if( j == personCasc.size())  
			personListCacs.push_back(r);  
	}  

	//畫矩形框，縮放檢測到的矩形框 
	for(int i=0; i<personListSVM.size(); i++)  
	{  
		Rect r = personListSVM[i];  
		r.x += cvRound(r.width*0.1);  
		r.width = cvRound(r.width*0.8);  
		r.y += cvRound(r.height*0.07);  
		r.height = cvRound(r.height*0.8);  
		rectangle(src, r.tl(), r.br(), Scalar(0,0,255), 2);  
	}  
	for(int i=0; i<personListCacs.size(); i++)  
	{  
		Rect r = personListCacs[i];  
		r.x += cvRound(r.width*0.1);  
		r.width = cvRound(r.width*0.8);  
		r.y += cvRound(r.height*0.07);  
		r.height = cvRound(r.height*0.8);  
		rectangle(src, r.tl(), r.br(), Scalar(0,255,0), 2);  
	}  
	imshow("HOG特徵+SVM/Cascade行人檢測",src);  
	waitKey(); 
	return 0;  
}