یکی از مهم ترین اهدافی که در حوزه هوش مصنوعی و رباتیک به آن پرداخته می شود ایجاد ماشینی است که بتواند مانند انسان عمل کند. در مسیر نیل به این هدف ابتدا ماشین باید بتواند درک درستی از محیط اطراف خود داشته باشد. شاید یکی از اساسی ترین اطلاعاتی که ماشین باید در مورد محیط خود داشته باشد این باشد که چه کسی، در کجا و در حال انجام چه کاری است؟ رهیافت هایی که برای حل این مسئله مطرح شده اند عمدتاً در حوزه بینایی ماشین بوده اند، که این موضوع حاکی از اهمیت این حوزه در حل این مسئله دارد. در این پژوهش روشی برای پاسخ به قسمتی از این سوال که مربوط به شناسایی انسان در تصاویر می شود ارائه شده است. رهیافت طرح شده از روش های مبتنی بر پنجره بندی است که در آن تصویر توسط پنجره های لغزان پویش می گردد. بعد از هر بار پنجره گذاری، پنجره جاری به سلول هایی تقسیم می شود که ویژگی های استخراج شده از آن ها در کنار هم قرار گرفته و بردار ویژگی پنجره را تشکیل می دهند. به منظور توصیف سلول ها، ویژگی جدیدی ارائه شده است که مبتنی بر توزیع گرادیان سلول است. این ویژگی توزیع گرادیان را با استفاده از تحلیل مولفه های اصلی توصیف می کند. بردارهای ویژگی بدست آمده از پنجره در نهایت توسط ماشین بردار پشتیبان به منظور آموزش و دسته بندی استفاده می شوند. نتایج بدست آمده نشان می دهد که روش مطرح شده علاوه دقت بالا در مقابل اختلالاتی مانند اغتشاش نیز مقاوم تر از هیستوگرام گرادیان جهت دار است. در ادامه این تحقیق، روش ارائه شده با کمی تغییر برای قطعه بندی تصاویر هوایی نیز استفاده شد. نتایج این کاربرد نیز نشان می دهند که این رهیافت با دقت و سرعت بسیار بالا می تواند نواحی مسکونی و غیر مسکونی را از هم تشخیص دهد.