OpenCV_基于HOG特征的行人检测

OpenCV中提供了HOG的行人检测（pedestrain detection）类。

cv::HOGDescriptor类的构造函数的各参数的定义：

CV_WRAP HOGDescriptor() :      winSize(64,128),                             // detect window      blockSize(16,16),                            // block 大小      blockStride(8,8),                            // overlap block的滑动步长      cellSize(8,8),                               // cell 大小       nbins(9),                                    // 直方图的bin个数      derivAperture(1),                            // 微分算子核      winSigma(-1),                                // 在window上进行高斯加权      histogramNormType(HOGDescriptor::L2Hys),     // 直方图归一化类型      L2HysThreshold(0.2),                         // L2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising     gammaCorrection(true),                       // Gamma校正，去除光照影响     nlevels(HOGDescriptor::DEFAULT_NLEVELS)      // 分层数

下面的两段代码采用OpenCV中的HOG行人检测类来完成对静态图片中的行人检测。

1）采用64*128 （像素为单位）的detect window

//  基于HOG特征的行人检测  //  Author：www.icvpr.com//  Blog：  http://blog.csdn.net/icvpr  #include <iostream>#include <opencv2/opencv.hpp>int main(int argc, char** argv){cv::Mat image = cv::imread("test.bmp");if (image.empty()){std::cout<<"read image failed"<<std::endl;}// 1. 定义HOG对象cv::HOGDescriptor hog; // 采用默认参数// 2. 设置SVM分类器hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 采用已经训练好的行人检测分类器// 3. 在测试图像上检测行人区域std::vector<cv::Rect> regions;hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);// 显示for (size_t i = 0; i < regions.size(); i++){cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);}cv::imshow("hog", image);cv::waitKey(0);return 0;}

行人检测实验结果：

  

2）采用48*96（像素为单位）的detect window

//  基于HOG特征的行人检测    //  Author： http://blog.csdn.net/icvpr      #include <iostream>  #include <opencv2/opencv.hpp>      int main(int argc, char** argv)  {      cv::Mat image = cv::imread("test.bmp");      if (image.empty())      {          std::cout<<"read image failed"<<std::endl;      }              // 1. 定义HOG对象      cv::HOGDescriptor hog(cv::Size(48, 96), cv::Size(16, 16), cv::Size(8, 8), cv::Size(8, 8), 9, 1,-1, cv::HOGDescriptor::L2Hys, 0.2, true, cv::HOGDescriptor::DEFAULT_NLEVELS);             // 2. 设置SVM分类器      hog.setSVMDetector(cv::HOGDescriptor::getDaimlerPeopleDetector());   // 采用已经训练好的行人检测分类器        // 3. 在测试图像上检测行人区域      std::vector<cv::Rect> regions;      hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);        // 显示      for (size_t i = 0; i < regions.size(); i++)      {          cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);      }        cv::imshow("hog", image);      cv::waitKey(0);        return 0;  }  

行人检测实验结果：

  

相关内容：www.icvpr.com

--------------------------------------------------------

< 转载请注明：http://blog.csdn.net/icvpr >