HOG+SVM行人检测--OpenCV源码不完全解释

来源：互联网发布：mac air 13寸尺寸编辑：程序博客网时间：2024/04/29 09:39

//OpenCV中提供了HOG的行人检测（pedestrain detection）类HOGDescriptor//cv::HOGDescriptor类的构造函数的各参数的定义：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 renormalisinggammaCorrection(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#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;}　　   //2）采用48*96（像素为单位）的detect window#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;  }

以上是对OpenCV中行人检测的示例的一个不完全解释，其中提到的HOG和SVM欢迎大家浏览该博客：计算机视觉小菜鸟的专栏，我也是从这里学习的，在此感谢该博主的分享，该博文说明了使用默认分类器的缺点并介绍了如何自己训练分类器，训练好分类器后也是类似于上面的一个流程进行检测。

0 0