利用OpenCV自带的行人检测器完成行人检测

函数detectMultiScal语法格式如下：

(rects, weights) = detectMultiScale(image [, winStride [, padding [, scale [, useMeanshiftGrouping]]]])

 其中：

• rects——检测到的行人对应的矩形框
• weights——矩形框的权重值
• image——待检测图像
• winStride——sride（步幅），HOG检测窗口移动步长
• padding——padding（填充），边缘扩充的像素个数
• scale——构造金字塔结构图像时，采用的缩放因子，通常情况下取[1.01, 1.05]
• useMeanshiftGrouping——是否消除重叠的检测结果，True表示消除

  import cv2
  def detect(image,winStride,padding,scale,useMeanshiftGrouping):   
      hog = cv2.HOGDescriptor()   #初始化方向梯度直方图描述器
      #设置SVM为一个预先训练好的行人检测器
      hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())  
      #获取（行人对应的矩形框、对应的权重）
      (rects, weights) = hog.detectMultiScale(image,
                              winStride = winStride,
                              padding = padding,
                              scale = scale,
                              useMeanshiftGrouping=useMeanshiftGrouping)    
      # 绘制每一个矩形框
      for (x, y, w, h) in rects:  
          cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)
      cv2.imshow("result", image)     #显示原始效果
  image = cv2.imread("human.jpg") #所检测的图片
  winStride = (8,8) #每次行移动8个像素点，列移动8个像素点
  padding = (2,2) #边缘添加像素点 通常可取(8, 8) (16, 16) (24, 24) (32, 32)
  scale = 1.03 #构造金字塔结构采取的比例值
  useMeanshiftGrouping=True #消除重叠
  detect(image,winStride,padding,scale,useMeanshiftGrouping)
  cv2.waitKey(0)
  cv2.destroyAllWindows()