基于SVG和HOG的行人识别算法，是在matlab中实现，有完整的代码，解析，结题PPT。Optimize是多尺度变宽高比方法 MainCode就是固定宽高比多尺度方法 这两个是主函数，首次运行时，把第一行的TrainHogFeatureWithSVM取消掉。

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。 本文提供详细讲述和完整算法代码

本人课程作业，直接运行Optimize.m即可进行测试。其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。