opencv c++ 寻找矩形框_OpenCV图像处理-HOG特征和应用

HOG特征和应用

概述

✔️ 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。

HOG应用-行人检测

✔️ 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，Opencv也集成了HOG进行的行人检测算法。

OpenCV函数

1. hog = cv2.HOGDescriptor() ：创建HOG特征描述；
2. hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector()) ：创建HOG+SVM行人检测器；
3. 多尺度检测API：

rects, weights = hog.detectMultiScale(img, foundLocations,
                     hitThreshold = 0,
                     winStride, padding, 
                     scale = 1.05,
                     finalThreshold = 2.0,
                     useMeanshiftGrouping = false)

输入

• Img --> 表示输入图像；
• foundLocations --> 表示发现对象矩形框；
• hitThreshold --> 表示SVM距离度量(特征与SVM分类超平面之间距离)，默认0表示；
• winStride --> 表示窗口步长；
• padding --> 表示填充；
• scale --> 表示尺度空间；
• finalThreshold --> 最终阈值，默认为2.0；
• useMeanshiftGrouping --> 不建议使用，速度太慢；

PS：其中窗口步长与Scale对结果影响最大，特别是Scale，小的尺度变化有利于检出低分辨率对象，同时也会导致FP发生，高的可以避免FP但是会产生FN（对象漏检）。

行人检测代码示例

import cv2 as cv

src = cv.imread("people.png")
cv.imshow("input", src)
# hog特征描述
hog = cv.HOGDescriptor()
# 创建SVM检测器
hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())
# 检测行人
(rects, weights) = hog.detectMultiScale(src,
                                        winStride=(4, 4),
                                        padding=(8, 8),
                                        scale=1.25,
                                        useMeanshiftGrouping=False)
for (x,