基于梯度直方图（HOG）的行人检测代码

由于HOG算法属于计算机视觉领域的算法，代码实现比较复杂，需要涉及到图像处理、特征提取、分类等多个方面的知识。以下给出一个基于OpenCV库实现的行人检测代码示例，供参考。

import cv2
import numpy as np

# 加载HOG描述符分类器
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

# 加载测试图像
img = cv2.imread('test.jpg')

# 行人检测
(rects, weights) = hog.detectMultiScale(img, winStride=(4, 4), padding=(8, 8), scale=1.05)

# 绘制检测结果
for (x, y, w, h) in rects:
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)

# 显示检测结果
cv2.imshow('Pedestrian Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

说明：

1. 首先，我们需要加载HOG描述符分类器，并设置分类器的检测参数（winStride、padding和scale）。
2. 然后，我们加载测试图像，并使用HOG算法进行行人检测，返回检测结果的坐标和权重。
3. 最后，我们在原图像上绘制检测结果，并显示检测结果。

需要注意的是，以上代码仅为示例，实际应用需要根据具体情况进行修改和优化。