2、 利用HOG特征实现人头检测
Dalal等人首先将HOG特征用于静态图像中的行人检测，其主要思想是利用局部区域的梯度方向直方图来描述目标特征。本文用HOG特征结合支撑向量机SVM（Support Vector Machine）分类器进行头部检测，分为SVM分类器训练和人头检测两个阶段。
2.1 HOG特征提取
提取目标的HOG特征步骤如下：首先按照式（1）和式（2）计算灰度图像的梯度幅值和梯度方向。
其中，Gx、Gy分别是（x，y）的水平和竖直梯度，梯度的方向设定为0～？仔。本文梯度的方向反映该像素点周围的灰度变化的方向，梯度的幅度反映灰度变化的大小。
然后进行子块单元的划分和方向直方图统计。如图3（a）所示，将图像划分为若干个图像块（BLOCK），每个块划分为若干个正方形图像单元（CELL），图像单元的边长记为CELLSIZE。图3（a）中CELL的大小为8×8个像素，即CELLSIZE=8；一个BLOCK包含2×2个图像单元CELLNUM=4。以一个图像单元为单位，进行方向梯度直方图的统计。将梯度方向划分为BIN个区间，对于各个区间的梯度相加，形成一个BIN维的向量来描述一个图像单元。最后生成图像的Hog描述子，对于每一个BLOCK对应的BIN×CELLNUM维向量可以根据实际需要按式（3）进行标准化：