基于梯度方向直方图( H OG) 特征的行人检测是目前检测精度较高的主流方法。针对基于梯度直方图特征的 行人检测存在检测精度还有待提高、向量维数大的问题, 提出使用梯度直方图统计特征加颜色频率和肤色特征描述行 人, 选取一些分类能力较强的block 作为最后的特征, 使用线性SVM 分类。在INRIA 库上的实验证明, 该方法能有效地 提高检测精度。-H istog r am o f or iented g radient( H OG) based on pedestr ian de

里边包含了一个如何区分6和9的代码以及用最小距离法、梯度法以及K-NN方法对样本进行的分类代码-Inside contains an example of how to distinguish between 6 and 9, as well as the code with the minimum distance method, the gradient method and K-NN method for sample classification codes

为了实现复杂环境下的人脸特征有效表达，提出一种改进的梯度方向直方图（ＨＯＧ）人脸识别方法．首先以人脸图像网格作为采样窗口并在其上提取 ＨＯＧ特征；然后将所有网格 ＨＯＧ特征向量进行组合，实现整个人脸特 征表达；最后采用最近邻分类器进行识别．另外，比较了该方法与Ｇａｂｏｒ小波和局部二值模式（ＬＢＰ）２种著名的人脸 局部特征表示方法的优劣．实验结果表明，在调优的 ＨＯＧ参数下，在具有光照和时间环境等复杂变化的ＦＥＲＥＴ人 脸库中，较少维数的 ＨＯＧ特征比ＬＢＰ特征有更好的表现，而且 ＨＯ

可以实现模式识别领域的数据的分类及回归，利用自然梯度算法，多姿态，多角度，有不同光照。- You can achieve data classification and regression pattern recognition, Use of natural gradient algorithm, Much posture, multi-angle, have different light.