定向梯度直方图可用于图像中的对象检测。 尤其是，如Dalal和Triggs在论文“使用定向梯度直方图进行行人检测”中所述，它们被用于行人检测。 Matlab 代码以论文中解释的详细方式计算 HOG。 然后可以使用描述符来训练分类器和检测对象/非对象区域。 更多请访问我的博客：sanyamgarg.blogspot.com

基于opencv的HOG特征提取，代码使用vs2010与opencv实现，可提取人脸的HOG特征，代码可直接运行。

本程序使用matlab实现了图像HOG特征的提取，效果不错

基于深度卷积特征和HOG特征融合的管道病害识别算法，杨东，杨峰，提出一种利用预训练VGGNet提取的图像特征和HOG特征融合，采用多类SVM识别管道病害的方法。本文利用迁移学习和特征融合的策略，在小样

【人脸识别】基于HOG特征KNN算法实现人脸识别matlab源码.md

行业分类-物理装置-基于多尺度HOG特征和深层特征的合成素描人脸识别方法.zip

通过图像HOG特征提取描述和SVM线性分类器的训练学习，得到对自定义对象的检测模型。内含两个自定义对象的正负样本图像和测试图像可供测试。

代码注解详细，适合初学者读懂，压缩包内含两部程序，请仔细研读，OPENCV HOG特征+SVM分类器行人识别（从训练到识别）

HOG（Histogram of Oriented Gridients的简写）特征检测算法，最早是由法国研究员Dalal等在CVPR-2005上提出来的，一种解决人体目标检测的图像描述子，是一种用于表征图像局部梯度方向和梯度强度分布特性的描述符。其主要思想是：在边缘具体位置未知的情况下，边缘方向的分布也可以很好的表示行人目标的外形轮廓。 Dalal等提出的HOG+SVM算法，在进行行人检测取得了极大地成功后，更多新算法不断涌现，不过大都是以HOG+SVM的思路为主线。 HOG特征检测算法的几个步骤：颜色空间归一化—>梯度计算—>梯度方向直方图—>重叠块直方图归一化—>HOG特征。

项目环境：opencv==3.4.5       scikit-learn =>=0.20.2.     numpy == 1.17.4 参考博客：https://blog.csdn.net/qq_41562704/article/details/88975569 一、收集数据集 1、数据集图片的大小 300×300 2、获取上、下、左、右的手势，进行皮肤检测，将背景二值化 3、皮肤检测参考文章（https://blog.csdn.net/weixin_40893939/article/details/84527037） dataset.py # -*- coding: utf8 -*- #