法国国家计算机技术和控制研究所（INRIA）的研究员Navneet Dalal和Bill Triggs于2005年提出了通过计算和统计图像局部区域的梯度方向直方图来构成特征的方向梯度直方图。（Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]. 2005.）

其主要思想是在一幅图像中，局部目标的表象和形状能够被梯度或边缘的方向密度分布很好地描述。通过分析图片中所有的局部目标并提取各自的方向密度分布，整体图片可以很好的被这些分布的组合所描述。算法的具体操作过程是首先将图像分成小的连通区域，每一个连通区域被称为一个细胞单元。通过计算细胞单元中各像素点的梯度的或边缘从而形成方向直方图。最后这些直方图被组合起来用于构成对整张输入图片的特征描述。与其他的特征描述方法相比，方向梯度直方图有很多优点。首先，由于方向梯度直方图是在图像的局部方格单元上操作，所以对于只会出现在更大的空间领域上的图像几何的和光学的形变，方向梯度直方图都能保持很好的不变性。其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，图片间细微的变化对结果影响很小，因此在行人检测领域中方向梯度直方图获得了极大的成功。