论文出处：Histograms of Oriented Gradients f or Human Detection (author: Navneet Dalal and Bill T riggs)
HOG特征+SVM方法现在常用于人车识别中。
一张图片中，某个3*3的九宫格（格子里代表是黑白化后的灰度值）
|
a |
b |
c |
|
d |
e |
f |
|
g |
h |
i |
关注中间的格子（红色的e），对于e而言，它的梯度是
大小：
方向：
按照这个方法可以计算所有的细胞（cell）像素点的梯度。
初始化一个2*2的block。
block的4个细胞像素的梯度规约（投影）到4个方向（如直角坐标的四个方向,下面以4为例）或8个方向（多了东南，东北，西南，西北）或更多个方向。一个block就有了4个方向的向量组合属性。
步长为1，移动block窗口遍历整张图片。依次再换为3*3，2*3，4*4等各种形状的block。每个block都和之前训练好的向量组合属性做相似性比较，达到阈值就可以判断存在。
关于训练：对于训练图片，人工标注人车所在的block然后计算出其向量组合属性。