java图片识别人像计算人头数_人头检测代码示例：SVM+HOG

人头检测代码示例：SVM+HOG

来源：互联网

作者：佚名

时间：2015-03-17 09:17

网上关于HOG的理解以及结合SVM做检测的源码很多，这里我结合自己的理解对他们做一个综述和总结。

最近在做人头统计方面的研究，尝试了多种办法，其中包括Adaboost+Haar特征、HOG特征+线性SVM两大模型。SVM+HOG的模型之前多数被应用于行人检测，，我在做人头统计的过程中考虑到人头的边缘形状比较明显，图像梯度比较容易提取，所以将该方法搬到人头统计上来，效果还不错。不足之处是多尺度的HOG计算太慢了，难以达到实时性要求，所以我采用的多数是单尺度检测(64*64的固定窗口大小)。

我现在的工作只是做了个入门，本文意在抛砖引玉，希望感兴趣的小伙伴能够一起研究。

1、预处理

从视频中采集了1416个人头正样本，以及1957个负样本。正样本主要就是人头部(头发)的图像，负样本是不包括人头目标的图像。然后将它们统一归一化到64*64的大小(我这里为了简化训练过程，将人头图像的大小设置为和窗口大小一致)。

2、人头训练

开发环境是winxp+vs2008+opencv2.3.1。训练代码主要包括MySVM.h，global.h和global.cpp三个文件。其中MySVM.h是SVM类定义文件，global.h和global.cpp分别是全局函数声明和定义文件。

(1)MySVM.h如下：

#pragma once

#ifndef _MYSVM_H_

#define _MYSVM_H_

#include

#include

#include

#include

using namespace cv;

class MySVM: public CvSVM

{

public:

int get_alpha_count()

{

return this->sv_total;

}

int get_sv_dim()

{

return this->var_all;

}

int get_sv_count()

{

return this->decision_func->sv_count;

}

double* get_alpha()

{

return this->decision_func->alpha;

}

float** get_sv()

{

return this->sv;

}

float get_rho()

{

return this->decision_func->rho;

}

};

#endif(2)global.h如下：

#include "MySVM.h"

#include

#include

#include

using namespace std;

//函数名：Train

//函数功能：SVM训练每张图片的HOG特征

//参数说明：

//const char* positivePath：正样本路径

//int pCount：正样本个数

//const char* negativePath：负样本路径

//int nCount：负样本个数

//const char* classifierSavePath：分类器保存路径

//const char* detectorSavePath：检测器保存路径

//返回bool：训练是否成功(true：成功，false：失败)

bool Train(const char* positivePath, int pCount, const char* negativePath, int nCount,

const char* classifierSavePath, const char* detectorSavePath);

//函数名：CalDimension

//函数功能：计算每张图片的HOG特征维度

//参数说明：

//CvSiz