方向梯度直方图 (HOG)

方向梯度直方图（Histogram of Oriented Gradients, HOG）是计算机视觉领域用于目标检测的核心特征描述器。其本质是将图像划分为密集且大小统一的细胞单元，计算每个单元内像素梯度的方向分布直方图，并进一步聚合为块特征以增强鲁棒性。与尺度不变特征变换（SIFT）等依赖复杂数学变换的方法不同，HOG 专注于捕捉物体边缘的几何结构信息，通过局部对比度归一化技术有效抑制光照变化带来的影响，成为现代深度学习模型中重要的传统特征补充或预处理手段。

在现代计算架构与人工智能生态中，HOG 扮演着连接传统图像处理与深度学习的桥梁角色。尽管纯深度学习模型（如 CNN）已能端到端提取特征，但在实时性要求高、算力受限或需要可解释性的场景下，HOG 依然具有不可替代的价值。它广泛应用于目标检测、姿态估计、动作识别及异常检测等任务，特别是在移动端部署和工业质检场景中，其计算效率高、特征表达清晰的特点使其成为构建轻量化视觉系统的关键组件。