注意是基于matlab代码编写的HOG程序，适用于图像处理领域以及需要学习HOG的同学。

HOG特征提取，以通过测试，希望对大家能够有所帮助。

菜鸟级别，实现了opencv自带算法hog行人检测，仅供各位初学者参考，各位大神请飘过。

python语言编写调用HOG算法提取特征向量SVM算法训练和分类程序，内附程序可正常运行。有任何问题请留言，我看到后会尽量解决

自己训练的车辆检测分类器 级联层数18 基于HOG特征

人体检测梯度方向直方图 Histograms of Oriented Gradients for Human Detection

上一次上传的版本，很多下载者反应说有问题，什么xml不存在等（其实上次我只是上传了pca训练后的model，如果选择pca检测的话应该不会出现这个问题）。最近比较忙，csdn上又不能直接回复评价(难道是我没有找到么？)， 简单的问程序加个界面，使用的是visual studio 2010(MFC). 自己测试了，没有出现问题。 该代码仅供参考。如果有问题也希望大家自己动动手多调试下。 （ref.to last version:这是本人本科做的毕业设计，根据opencv里面人体检测的HOG代码改写，加上了完整的注释（opencv里面是没有任何注释的），并且增加了样本的训练（代码中只提供了PCA50-HOG的检测算子，如有其它需要可以自行训练），线性检测时使用线性SVM优化，高斯检测时使用PCA的降维。同时对候选区域整合代码做了简化处理。最后感谢网上的各位好心人提供的各类资源，在毕业设计过程中给予了我很大帮助。鉴于网上仍然还有若干未解决的问题，今天把我所做的也分享给大家，希望能给还在探索ing的朋友一些启发。如果有任何问题请留言或者email。）

下载后，安装好版本匹配的python3.6,numpy,scipy,matplot,sklearn,skimage等包，后直接可以运行，无需修改代码。运行后输入y，就可以实习自带的图像分类（小鸡，小鸭，蛇，猫等分类）。

人工智能导论课作业，像分类，指在给定的类别中，选出与该图像匹配的类别作为输入的图像处理方法。支持向量机(SVM)是一种以统计学习理论为基础的用来解决二分类问题的机器学习方法。SVM是结构风险最小化模型，较好的解决了数量较小时过拟合问题，能有效提高模型的泛化能力。在解决小样本、非线性及高维模式识别问题中,表现出许多特有的优势。本次实验使用的是自己提出的一个关于路面裂缝的crack数据集，为提升实验效果，先提取图像HOG特征，再利用SVM来进行分类训练，以识别图片中是否存在裂缝。本文设计了完整的HOG+SVM识别算法,使用自己提出的crack数据集进行了实验测试。

针对传统钢轨检测方法不能满足线路检修的需要,提出了一种基于计算机视觉的钢轨扣件检测算法,运用投影法和特定区域像素点扫描统计相结合的方法定位扣件位置,使用灰度特征和HOG特征描述扣件特征向量,并利用Chi开方距离分类器进行特征提取。实验结果表明,该算法具有一定的有效性和可行性。