hog+svm算法特点

HOG+SVM算法是一种常用的目标检测方法，特点如下：

1. HOG（Histogram of Oriented Gradients）特征：该算法通过计算图像中每个小区域的梯度直方图，从而获取图像的局部特征。这些局部特征可以用于表示不同形状的物体，是该算法的核心特征。

2. SVM（Support Vector Machine）分类器：该算法使用SVM分类器对图像进行分类，判断是否包含目标物体。SVM是一种监督学习方法，能够学习和分类具有高维特征的数据集。

3. 适用于不同尺度和旋转角度的目标检测：HOG+SVM算法可以通过改变窗口大小和位置，来适应不同尺度和旋转角度的目标检测。

4. 对光照、噪声等环境变化具有一定的鲁棒性：HOG+SVM算法通过对图像的局部特征提取和分类，对光照、噪声等环境变化具有一定的鲁棒性。