行人检测OpenCV+ICF

最近项目中需要用到行人检测，对比了几种常用的算法后，果断选择出自大神Piotr Dollar的ICF（Integral Channel Features）。

下面开始了苦逼之旅。。。。

由于从网上down的代码都是MATLAB版的，如果翻译成C++的话，劳民伤财。以前就听说opencv_contrib里集成了该算法，但不知道效果如何，还是本着对大神的敬仰，重新编译了集成扩展功能的opencv3.0。

万事俱备，开始干活！（看完xobjdetect.hpp后，就觉得这里面的坑不是一般的多，很多关键的参数都木有注释！！！）

准备训练样本是件枯燥的事，但很重要。ICF的训练对样本没有特别的要求：正样本需要归一化（推荐64*128），彩图；负样本不需要归一化。图片准备好之后，生成文件列表pos_list,txt和neg_list.txt。

直接贴代码吧

#include "opencv2\opencv.hpp"
#include "opencv2\xobjdetect.hpp"

#include <fstream>
#include <iostream>

using namespace cv;
using namespace std;
using namespace xobjdetect;

bool resize_img(string posfile, string negfile)
{
    fstream fin_p(posfile.c_str());
    string p_sample;
    if (!fin_p)
    {
        cout << "Can not open posfile!" << endl;
        return false;
    }
    while (getline(fin_p,p_sample))
    {
        Mat src = imread(p_sample, 1);
        if (src.empty())
            break;

        Mat dst;
        resize(src, dst, Size(96, 160));

        imwrite(p_sample, dst);
    }
    fin_p.close();

    return true;
}

bool train_model(String posfile, String negfile,String model_name)
{
    std::vector<String> vposfile;
    std::vector<String> vnegfile;

    fstream fin_p(posfile.c_str());
    string p_sample;
    if (!fin_p)
    {
        cout << "Can not open posfile!" << endl;
        return false;
    }
    while (getline(fin_p, p_sample))
    {
        vposfile.push_back(p_sample);
    }
    fin_p.close();

    fstream fin_n(negfile.c_str());
    string n_sample;
    if (!fin_n)
    {
        cout << "Can not open negfile!" << endl;
        return false;
    }
    while (getline(fin_n, n_sample))
    {
        vnegfile.push_back(n_sample);
    }
    fin_n.close();

    ICFDetector HH_icfDetector;
    ICFDetectorParams icf_params;

    icf_params.alpha = 0.15f;
    icf_params.bg_per_image = 5;
    icf_params.feature_count = 15000;
    icf_params.weak_count = 200;
    icf_params.features_type = "icf";
    icf_params.is_grayscale = false;
    icf_params.model_n_cols = 56;   //model尺寸？训练过程中图片归一化的尺寸
    icf_params.model_n_rows = 70;
    icf_params.use_fast_log = false;

    HH_icfDetector.train(vposfile, vnegfile, icf_params);

    //FileStorage fs;
    //xobjdetect::write(fs, model_name, HH_icfDetector);
    FileStorage fs(model_name, FileStorage::WRITE);
    HH_icfDetector.write(fs);
    fs.release();

    return true;
}

bool test_model(String modelfile)
{
    FileStorage fs(modelfile, FileStorage::READ);

    if (fs.isOpened())
    {
        cout << "OPENED!" << endl;
    }

    FileNode model = fs["model"];
    ICFDetector HH_icfDetector;

    HH_icfDetector.read(model);

    fs.release();

    Mat image = imread("test.png", 1);
    vector<Rect> vR;
    vector<float> ftrs;
    HH_icfDetector.detect(image, vR, 1.1, Size(30, 50), Size(300, 500), 1, 1, ftrs);
    //HH_icfDetector.detect(image, vR, 1, 4, 1.2, 0, 5, ftrs);

    for (int i = 0; i < vR.size();i++)
    {
        rectangle(image, vR[i], Scalar(0, 255, 0), 1, 8);
    }
    namedWindow("result", CV_WINDOW_NORMAL);
    imshow("result", image);
    waitKey(0);

    return true;
}

void main()
{
    String posfile = "pos_list.txt";
    String negfile = "neg_list.txt";
    String icf_model_name = "hh_icf_20171228.xml";

    //train model
    //bool trainflag = train_model(posfile, negfile, icf_model_name);

    //test model
    bool testflag = test_model(icf_model_name);

}

测试图片

测试结果

效果是非常的渣，并且检测速度不尽人意。折腾了两天，有些失望。。。。
后面继续关注这个算法，万一效果很赞呢