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。


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值