HOG 特征：行人检测的经典武器

HOG（方向梯度直方图）统计局部区域的梯度方向分布，用于捕捉物体形状特征。它曾是非深度学习时代行人检测的最佳方案，也是理解“特征设计”思想的绝佳案例。

HOG 最值得铭记的不是算法本身，而是它代表的“问题驱动”思维：先深入理解任务的难点（行人外形多变但轮廓有规律），再针对性地设计特征。这种从问题出发而非从技术出发的方法，是所有创新的原点。

## 核心要点

图片来源：Openverse / Engineering at Cambridge（https://www.flickr.com/photos/49681564@N06/15810162535）

1. HOG 的核心思想：局部形状可由梯度方向分布描述。

2. 它对光照变化与小角度旋转较鲁棒。

3. OpenCV 内置实现，至今仍在低算力场景使用。

4. 深度学习时代它逐渐退场，但设计思想永不过时。

图片来源：Openverse / NYC Media Lab（https://www.flickr.com/photos/67540051@N03/6791110139）

## 写在最后

以上是关于「HOG 特征」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。