直方图肯定办不到，它说白了就是告诉你图像亮度或颜色等级分布情况，比如图像是否曝光过度，三原色中的一种是否较多等等。你说要求识别视频中的人摘下帽子，我想你的意思是不是追踪一个动态目标。如果是这样，那需要先对目标进行特征提取，再在视频中对目标进行特征匹配，说起来比较容易，但实际很麻烦，建议你看一下计算机图像处理方面的书。
仅靠直方图希望不大
