Las aplicaciones industriales y comerciales en el mundo moderno son cada día más complejas. El nivel de automatización que requiere la industria contemporánea con el fin de ser competitiva, exige de la utilización de sensórica más compleja y de sistemas de control con mejor capacidad de toma de decisiones. Los sensores ópticos, y en especial las cámaras de video, surgen como una solución de instrumentación eficiente para un gran número de aplicaciones donde la sensórica tradicional aún no puede proveer opciones. Sin embargo, el uso de estos sensores requiere del diseño de programas de computador capaces de procesar y utilizar esta información y que son implementados utilizando una serie de metodologías matemáticas, geométricas y estadísticas, que en conjunto se conocen como visión por computador. Este trabajo presenta el desarrollo de una herramienta para la detección y clasificación de objetos cuya morfología es el factor discriminante más importante. Se presenta un metodología basada en el descriptor morfológico conocido como Histograma de Gradientes Orientados, o HOG por sus siglas en inglés Histogram of Oriented Gradients. Este descriptor alimenta una máquina de vectores de soporte que permite realizar la clasificación del objeto deseado. Como HOG es un descriptor de muy alta dimensionalidad, el costo computacional de calcularlo es significativo dentro de la aplicación y se convierte en la etapa crítica del sistema. Se propone una reducción sistemática de la dimensionalidad de HOG mediante la identificación de aquellos bloques del descriptor que no ofrecen ningún poder discriminante, para así no tener que calcularlos y mejorar la eficiencia general del sistema. Esta idea general se prueba en bases de datos estandarizadas, y en aplicaciones locales de naturaleza industrial como la identificación de botellas y la identificación de peatones desde vehículos en movimiento.