OpenCV 第七章 目标检测与识别

7.1.1 HOG描述符
方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。 它通过计算和统计图像局部区域的梯度方向直方图来构成特征。
梯度主要存在于边缘的地方。
具体的实现方法是：
首先将图像分成小的连通区域，我们把它叫细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。

解决尺度问题和位置问题：图像金字塔和滑动窗口
图像金字塔：
图像金字塔是图像的多尺度表示，有利于解决不同尺度下的目标检测问题。如何构建图像金字塔？
（1）获取图像
（2）使用任意尺度的参数来调整（缩小）图像的大小
（3）平滑图像（使用高斯模糊）
（4）如果图像比最小尺寸还大，从第一步开始重复这个过程。

滑动窗口
滑动窗口会有一个问题：区域重叠。针对一组重叠区域，可以用最大评分来抑制所有未分类区域。

非极大抑制
实现非极大值抑制算法过程：
（1）一旦建立图像金字塔，为了检测目标，可采用滑动窗口来搜索图像。
（2）收集当前所含有目标的窗口（超出一定任意阈值），并得到最高响应的窗口W。
（3）消除所有与W有明显重叠的窗口
（4）移动到下一个有最高响应的窗口，在当前尺度下重复上述过程。

7.1.2 检测人
使用HOGDescriptor()，用于提取图片的HOG特征 hog = cv2.HOGDescriptor()
使用SVM检测器检测人hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
用到detectMultiScale() 这个函数来对图像进行多尺度检测。
found,w = hog.detectMultiScale(img)