给定行人照片，利用HOG算法编程实现行人检测

步骤：

1. 加载行人照片，转换为灰度图像。
2. 利用HOG算法提取图像的特征向量。
3. 利用支持向量机（SVM）分类器对特征向量进行分类，判断图像是否为行人。
4. 绘制矩形框标注行人位置。

代码实现：

import cv2
import numpy as np

# 加载行人照片
img = cv2.imread('pedestrian.jpg')
# 转换为灰度图像
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# HOG算法提取特征向量
hog = cv2.HOGDescriptor()
features = hog.compute(gray_img)

# SVM分类器
svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_C_SVC)
svm.setKernel(cv2.ml.SVM_LINEAR)
svm.trainAuto(features, cv2.ml.ROW_SAMPLE, np.zeros(features.shape[0]))

# 绘制矩形框标注行人位置
locations, weights = hog.detectMultiScale(gray_img, winStride=(8, 8), padding=(32, 32), scale=1.05)
for (x, y, w, h) in locations:
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 0), 2)

cv2.imshow('Pedestrian detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

参考资料：

[OpenCV-Python Tutorials - Object Detection](https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_ml/py_svm/py_svm_opencv/py_svm_opencv.html#svm-opencv)