使用opencv自带的HOG来实现行人识别

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。

//HOG行人识别

#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main()
{
Mat src = imread("人5.jpg");
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(0);//注意：imshow之后一定要加waitKey，否则无法显示图像  

system("pause");
}

可以看出，图中15个人只检测出了6人，实在是差强人意，要想取得好的效果只能进行SVM训练，或者使用深度学习