摘要:随着时代的进步与科技的日新月异，海量的视频数据铺面而来，对于这些复杂而又多样的视频数据，在人们的生活中和各类公司的业务中都有大量的应用和存储，所以社会对视频数据处理的技术的要求也越来越迫切，视频中目标的检测与分类就是其中的一种，也成为了当今最热门的研究课题之一，众多高校的视频处理技术也逐步得到了相关的应用。
本文主要是对视频中目标的检测与分类技术进行研究，着重对视频中的特征提取，与HOG算法进行研究。本文研究的大概内容是从一个视频当中检测出行人和车辆，并且进行分类，用不同的方框表示出了，在该项实验中，行人的方框选择绿色，对于车辆的方框选择红色。同时对于HOG算法主要是将一些特定目标的表象和固定形状用梯度或者是边缘的方向密度来对图像进行描述，在机器学习和机器视觉当中，有很多种不同的特征提取方式，例如颜色直方图，固定间隔关键帧的提取，梯度方向直方图等等。而HOG算法采用的是梯度方向直方图来构成特征，HOG特征与SVM分类器的结合可以很好的应用在图像处理方面。
关键词：HOG算法；SVM分类训练器；特征提取
目录
摘要
Abstract
1 绪论-1
1.1 课题研究背景-1
1.2 内容及意义-1
1.3 本文组织构架-2
2 软件及平台与算法分类器介绍-3
2.1 Visual Studio2010-3
2.1.1 Visual Studio2010的简介以及新增功能-3
2.1.2 Visual Studio当中几种文件格式的作用-3
2.2 Opencv的介绍-4
2.2.1 表的格式示例-4
2.3 Opencv中HOG算法的研究-6
2.3.1 HOG算法的实现思想-6
2.3.2 HOG算法在OPENCV中实现的流程图-8
2.4 SVM分类器介绍-9
2.3.1 SVM分类器简介-9
2.3.2SVM分类器使用-9
3 算法实现介绍-10
3.1 HOG算法的思想与在OPENCV中实现的流程图-10
3.2 HOG算法的实现基本步骤-11
4 系统实验效果-13
4.1 系统实验效果-13
结 论-16
参 考 文 献-18
附录A 程序代码-19
致 谢-23
