HOG+SVM行人检测--OpenCV源码不完全解释

//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 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
#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。