openCV+Python 数字图像处理（19）——利用Hog特征和SVM分类器进行行人检测

1.基本概念

HOG特征描述符： HOG是一个特征描述符，它基于梯度来计算直方图，能够为特征匹配和目标检测（或识别）提供重要信息。
支持向量机（SVM）： SVM是一种算法，可用于对数据进行分类。该方法源于1995年Corinna Cortes和Vadimir Vapnik的论文，可从SVM论文地址链接下载。
行人检测： OpenCV提供了Hog和SVM的API，是已经训练好的分类器，不需要再进行训练。

2.代码示例

import cv2

# 判断两个矩形是否为包含关系，包含返回True,不包含返回False
def is_inside(o, i):
    ox, oy, ow, oh = o
    ix, iy, iw, ih = i
    return ox < ix and oy < iy and ox+ow > ix+iw and oy+oh > iy+ih

# 在图片中检测到行人的位置画矩形
def draw_person(src, person_xy):
    x, y, w, h = person_xy
    cv2.rectangle(src, (x, y), (x+w, y+h), (0, 255, 255), 2)

img = cv2.imread('E:/PycharmProjects/openCV/pictures/ch7_persons.jpg')
cv2.imshow('img', img)
cv2.waitKey(0)

# 调用
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
found, w = hog.detectMultiScale(img)

found_filtered = []

for ri, r in enumerate(found):  # 同时列出数据下标和数据
    for qi, q in enumerate(found):
        if ri != qi and is_inside(r, q):
            break
        else:
            found_filtered.append(r)  # 把检测出的行人位置放在found_filtered中
    for person in found_filtered:
        draw_person(img, person)

cv2.imshow('detect result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.代码分析

# 判断两个矩形是否为包含关系，包含返回True,不包含返回False
def is_inside(o, i):
    ox, oy, ow, oh = o
    ix, iy, iw, ih = i
    return ox < ix and oy < iy and ox+ow > ix+iw and oy+oh > iy+ih

is_inside（o,i）函数用于判断两个矩形是否为包含关系，

hog = cv2.HOGDescriptor() # 调用HOGDescriptor作为检测人的检测器
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector()) # 通过SVM方法实现
found, w = hog.detectMultiScale(img) # 不需要将图像转为灰度图像

HOG和SVM的API。

4.结果展示