Opencv:HOG特征与行人检测Python实现

最新推荐文章于 2022-02-13 13:31:31 发布

一只小金毛zy

最新推荐文章于 2022-02-13 13:31:31 发布

阅读量3.1k

点赞数 7

分类专栏： opencv

本文链接：https://blog.csdn.net/qq_39071739/article/details/103306454

版权

opencv 专栏收录该内容

15 篇文章 5 订阅

订阅专栏

Opencv:HOG特征与行人检测Python实现

一、内容

HOG特征与行人检测

HOG(Histogram of Oriented Gradient)特征在对象识别与模式匹配中是一种常见的特征提取算法，是基于本地像素块进行特征直方图提取的一种算法，对象局部的变形与光照影响有很好的稳定性，最初是用HOG特征来来识别人像，通过HOG特征提取+SVM训练，可以得到很好的效果。

HOG特征提取的大致流程：
在这里插入图片描述

二、代码

import cv2 as cv

# 主程序入口
if __name__ == '__main__':
    # 读取图像
    src = cv.imread("D:/vsprojects/images/pedestrian.png")
    cv.imshow("input", src)
    # HOG + SVM
    hog = cv.HOGDescriptor()
    hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())
    # Detect people in the image
    (rects, weights) = hog.detectMultiScale(src,
                                            winStride=(4, 4),
                                            padding=(8, 8),
                                            scale=1.25,
                                            useMeanshiftGrouping=False)
    # 矩形框
    for (x, y, w, h) in rects:
        cv.rectangle(src, (x, y), (x + w, y + h), (0, 255, 0), 2)
    # 显示
    cv.imshow("hog-detector", src)
    cv.waitKey(0)
    cv.destroyAllWindows()