OpenCV实现HOG行人检测

利用OpenCV中默认的SVM参数进行HOG行人检测，默认参数是根据Dalal的方法训练的。

#include <iostream>
#include <string>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <opencv2/ml/ml.hpp>

using namespace std;
using namespace cv;

int main()
{

	Mat src = imread("5.png");
	HOGDescriptor hog;//HOG特征检测器
	hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//设置SVM分类器为默认参数
	vector<Rect> found, found_filtered;//矩形框数组
	hog.detectMultiScale(src, found, 0, Size(8,8), Size(32,32), 1.05, 2);//对图像进行多尺度检测，检测窗口移动步长为(8,8)

	cout<<"矩形个数："<<found.size()<<endl;
	//找出所有没有嵌套的矩形框r,并放入found_filtered中,如果有嵌套的话,则取外面最大的那个矩形框放入found_filtered中
	for(int i=0; i < found.size(); i++)
	{
		Rect r = found[i];
		int j=0;
		for(; j < found.size(); j++)
			if(j != i && (r & found[j]) == r)
				break;
		if( j == found.size())
			found_filtered.push_back(r);
	}
	cout<<"过滤后矩形的个数："<<found_filtered.size()<<endl;

	//画矩形框，因为hog检测出的矩形框比实际人体框要稍微大些,所以这里需要做一些调整
	for(int i=0; i<found_filtered.size(); i++)
	{
		Rect r = found_filtered[i];
		r.x += cvRound(r.width*0.1);
		r.width = cvRound(r.width*0.8);
		r.y += cvRound(r.height*0.07);
		r.height = cvRound(r.height*0.8);
		rectangle(src, r.tl(), r.br(), Scalar(0,255,0), 3);
	}

	imwrite("ImgProcessed.jpg",src);
	namedWindow("src",0);
	imshow("src",src);
	waitKey();//注意：imshow之后一定要加waitKey，否则无法显示图像
	


	system("pause");
}

HOG多尺度检测函数说明：

void detectMultiScale(constGpuMat& img, vector<Rect>& found_locations, double hit_threshold= 0,

                                       Sizewin_stride = Size(), Size padding = Size(), double scale0=1.05,intgroup_threshold=2 );

img：待检测的图像，支持CV_8UC1或CV_8UC4类型

found_locations：检测到的目标的包围框数组

hit_threshold：检测到的特征到SVM分类超平面的距离，一般是设为0，在分类器参数中指明。

win_stride：检测窗口每次移动的距离，必须是块移动的整数倍

padding：保持CPU接口兼容性的虚参数，必须是(0,0)。但网上下载的例子里是(32,32)

scale0：滑动窗口每次增加的比例

group_threshold：组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用， 为0时表示不起调节作用。

效果：

可以看到没有误报，但又很多漏检。

Navneet Dalal在CVPR2005上的HOG原论文翻译见：http://blog.csdn.net/masibuaa/article/details/14056807