个人觉得很多的博客都是从这里抄的：http://www.cnblogs.com/justany/archive/2012/12/03/2790548.html
直接说怎么用吧。
包含头文件：和一般的opencv程序无特殊的区别
需要加入的库：opencv_objdetect244.lib（realease中的 debug加一个d，配置的人应该都懂）
基本的使用：（两行代码）
HOGDescriptor *desc=new HOGDescriptor(cvSize(40,80),cvSize(10,20),cvSize(5,10),cvSize(5,5),9);
desc->compute(img,w,cvSize(10,20),cvSize(0,0));
通过上面的操作你得到的特征也就被存储在Vector
W 里面了。如果你要使用，到这里就足够了！
下面是基本的原理的讲解：（参考：http://gz-ricky.blogbus.com/logs/85326280.html）
原理是很简单的, 在OpenCV实现的是R-HOG, 即对图像img->窗口window->块block->细胞单元cell进行向量统计
首先看描述器的构造函数, 我用
HOGDescriptor *desc=new HOGDescriptor(cvSize(40,80),cvSize(10,20),cvSize(5,10),cvSize(5,5),9);
这里的window为(40, 80), block为(10, 20), block的步进stride是(5, 10), 细胞单元cell是5 * 5像素, 每个cell的直方图bin是9.
于是,
对每一个cell, 有9个向量
对每一个block, 有2*4个cell, 所以有72个向量
对于window而言, 计算block个数的方法是, 对两个方向计算 (window_size - block_size)/block_stride + 1, 算得共有7*7 个block, 共有72*49=3528个向量
在搜索img, 计算图片特征的时候, 调用desc->compute(img,w,cvSize(10,20),cvSize(0,0));
其中img是输入图像, w是保存向量的vector, 第三个是window的步进, 第四个是padding, 用于填充图片以适应大小的.
当设置padding为默认(0,0)时, 计算(img_size - window_size) / window_stride +1 不一定为整数。
希望详细学习的可以参考上面的第一个链接。
希望有帮到你！