OpenCV running

实验说明：

　　1.hog描述子在opencv中为HOGDescriptor。　

         2.可以调用该描述子setSVMDetector方法给用于对hog特征进行分类的svm模型的系数赋值，这里的参数为HOGDescriptor::getDefaultPeopleDetector()时表示采用系统默认的参数，因为这些参数是用很多图片训练而来的。　　

　　3.对输入图片进行行人检测时由于图片的大小不一样，所以要用到多尺度检测。这里是用hog类的方法detectMultiScale。参数解释如下：

 HOGDescriptor::detectMultiScale(constGpuMat& img,vector<Rect>& found_locations,double hit_threshold=0,Size win_stride=Size(),Size padding=Size(),double scale0=1.05,int group_threshold=2)

　　该函数表示对输入的图片img进行多尺度行人检测 img为输入待检测的图片；found_locations为检测到目标区域列表；参数3为程序内部计算为行人目标的阈值，也就是检测到的特征到SVM分类超平面的距离;参数4为滑动窗口每次移动的距离。它必须是块移动的整数倍；参数5为图像扩充的大小；参数6为比例系数，即滑动窗口每次增加的比例；参数7为组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用，为0时表示不起调节作用。

       4.  最后对检测出来的目标矩形框，要采用一些方法处理，比如说2个目标框嵌套着，则选择最外面的那个框。       5.  因为hog检测出的矩形框比实际人体框要稍微大些,所以需要对这些矩形框大小尺寸做一些调整。

void Dialog::on_detectButton_clicked(){vector<Rect> found, found_filtered; //容器里装着Rect类型数据cv::HOGDescriptor people_dectect_hog;//采用默认的已经训练好了的svm系数作为此次检测的模型    people_dectect_hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());//对输入的图片img进行多尺度行人检测//img为输入待检测的图片；found为检测到目标区域列表；参数3为程序内部计算为行人目标的阈值，也就是检测到的特征到SVM分类超平面的距离;//参数4为滑动窗口每次移动的距离。它必须是块移动的整数倍；参数5为图像扩充的大小；参数6为比例系数，即滑动窗口每次增加的比例；//参数7为组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用，为0时表示不起调节作用。people_dectect_hog.detectMultiScale(img, found, 0, Size(8, 8), Size(32, 32), 1.05, 2);//从源码中可以看出://#define __SIZE_TYPE__ long unsigned int//typedef __SIZE_TYPE__ size_t;//因此,size_t是一个long unsigned int类型    size_t i, j;for (i = 0; i < found.size(); i++ ){   Rect r = found[i];//下面的这个for语句是找出所有没有嵌套的矩形框r,并放入found_filtered中,如果有嵌套的//话,则取外面最大的那个矩形框放入found_filtered中   for(j = 0; j <found.size(); j++)   if(j != i && (r&found[j])==r)        //这可求出两个矩形的交集，如果被嵌套在里面则赶紧停止     break;   if(j == found.size())                //如果没有被嵌套，则放入容器中     found_filtered.push_back(r);}//在图片img上画出矩形框,因为hog检测出的矩形框比实际人体框要稍微大些,所以这里需要//做一些调整，X坐标增加点，Y坐标增加点，宽度和高度减少点，然后，给出for(i = 0; i <found_filtered.size(); i++){  Rect r = found_filtered[i];  r.x += cvRound(r.width*0.1);  r.width = cvRound(r.width*0.8);  r.y += cvRound(r.height*0.07);  r.height = cvRound(r.height*0.8);  rectangle(img, r.tl(), r.br(), Scalar(0, 255, 0), 3);  //画方框rectangle( image, pt1, pt2, randomColor(rng), MAX(thickness, -1), lineType );}  imwrite("../hog_test_result.jpg", img);  ui->textBrowser->clear();  ui->textBrowser->append("<img src="http://archive.cnblogs.com/a/hog_test_result.jpg>");}