行人识别

最新推荐文章于 2024-10-09 14:20:08 发布

cshilin

最新推荐文章于 2024-10-09 14:20:08 发布

阅读量4k

点赞数

分类专栏：计算机视觉与机器学习

本文链接：https://blog.csdn.net/cshilin/article/details/52201174

版权

本文介绍了行人识别技术，主要依赖HoG特征和SVM分类器。首先讲解了行人识别的步骤，包括数据训练和多尺度检测。然后详细阐述了HoG特征的生成过程，包括灰度化、梯度计算、细胞单元的直方图统计和归一化。最后讨论了HOG特征的维度计算，并指出OpenCV中已集成行人检测功能。

摘要由CSDN通过智能技术生成

行人识别这一块主要的研究是基于HoG特征+SVM分类器判断图像中是否存在行人。

我们先给出行人识别的过程：
1. 数据训练(OpenCV 中有自带的已经训练好了的，设置参数为Default就是使用的默认的)。当然你可以自己根据手里的数据进行训练，如果你的数据有代表性，这样其实往往可能的效果比默认的会好，因为你的训练数据是自己的项目实际需求得到的。你的测试数据也是该环境下的。出现误差的概率会下降。
2. 正负样本训练好之后，我们对新出现的可能含有行人的图像进行多尺度迭代扫描（多尺度检测）。
下面是使用了默认SVM的。

   // 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<