OpenCV_基于HOG特征的行人检测

OpenCV中提供了HOG的行人检测（pedestrain detection）类。

cv::HOGDescriptor类的构造函数的各参数的定义：

[cpp]  view plain  copy

1. CV_WRAP HOGDescriptor() :   
2.      winSize(64,128),                             // detect window   
3.      blockSize(16,16),                            // block 大小   
4.      blockStride(8,8),                            // overlap block的滑动步长   
5.      cellSize(8,8),                               // cell 大小    
6.      nbins(9),                                    // 直方图的bin个数   
7.      derivAperture(1),                            // 微分算子核   
8.      winSigma(-1),                                // 在window上进行高斯加权   
9.      histogramNormType(HOGDescriptor::L2Hys),     // 直方图归一化类型   
10.      L2HysThreshold(0.2),                         // L2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising  
11.      gammaCorrection(true),                       // Gamma校正，去除光照影响  
12.      nlevels(HOGDescriptor::DEFAULT_NLEVELS)      // 分层数  

下面的两段代码采用OpenCV中的HOG行人检测类来完成对静态图片中的行人检测。

1）采用64*128 （像素为单位）的detect window

[cpp]  view plain  copy

1. //  基于HOG特征的行人检测    
2. //  Author：www.icvpr.com  
3. //  Blog：  http://blog.csdn.net/icvpr    
4.   
5. #include <iostream>  
6. #include <opencv2/opencv.hpp>  
7.   
8.   
9. int main(int argc, char** argv)  
10. {  
11.     cv::Mat image = cv::imread("test.bmp");  
12.     if (image.empty())  
13.     {  
14.         std::cout<<"read image failed"<<std::endl;  
15.     }  
16.   
17.       
18.     // 1. 定义HOG对象  
19.     cv::HOGDescriptor hog; // 采用默认参数  
20.       
21.   
22.     // 2. 设置SVM分类器  
23.     hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 采用已经训练好的行人检测分类器  
24.   
25.     // 3. 在测试图像上检测行人区域  
26.     std::vector<cv::Rect> regions;  
27.     hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);  
28.   
29.     // 显示  
30.     for (size_t i = 0; i < regions.size(); i++)  
31.     {  
32.         cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);  
33.     }  
34.   
35.     cv::imshow("hog", image);  
36.     cv::waitKey(0);  
37.   
38.     return 0;  
39. }  

行人检测实验结果：

  

2）采用48*96（像素为单位）的detect window

[cpp]  view plain  copy

1. //  基于HOG特征的行人检测      
2. //  Author： http://blog.csdn.net/icvpr      
3.     
4. #include <iostream>    
5. #include <opencv2/opencv.hpp>    
6.     
7.     
8. int main(int argc, char** argv)    
9. {    
10.     cv::Mat image = cv::imread("test.bmp");    
11.     if (image.empty())    
12.     {    
13.         std::cout<<"read image failed"<<std::endl;    
14.     }    
15.     
16.         
17.     // 1. 定义HOG对象    
18.     cv::HOGDescriptor hog(cv::Size(48, 96), cv::Size(16, 16), cv::Size(8, 8), cv::Size(8, 8), 9, 1,-1, cv::HOGDescriptor::L2Hys, 0.2, true, cv::HOGDescriptor::DEFAULT_NLEVELS);   
19.         
20.     
21.     // 2. 设置SVM分类器    
22.     hog.setSVMDetector(cv::HOGDescriptor::getDaimlerPeopleDetector());   // 采用已经训练好的行人检测分类器    
23.     
24.     // 3. 在测试图像上检测行人区域    
25.     std::vector<cv::Rect> regions;    
26.     hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);    
27.     
28.     // 显示    
29.     for (size_t i = 0; i < regions.size(); i++)    
30.     {    
31.         cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);    
32.     }    
33.     
34.     cv::imshow("hog", image);    
35.     cv::waitKey(0);    
36.     
37.     return 0;    
38. }    

行人检测实验结果：

  

相关内容：www.icvpr.com

--------------------------------------------------------

< 转载请注明：http://blog.csdn.net/icvpr >

OpenCV中提供了HOG的行人检测（pedestrain detection）类。

cv::HOGDescriptor类的构造函数的各参数的定义：

[cpp]  view plain  copy

1. CV_WRAP HOGDescriptor() :   
2.      winSize(64,128),                             // detect window   
3.      blockSize(16,16),                            // block 大小   
4.      blockStride(8,8),                            // overlap block的滑动步长   
5.      cellSize(8,8),                               // cell 大小    
6.      nbins(9),                                    // 直方图的bin个数   
7.      derivAperture(1),                            // 微分算子核   
8.      winSigma(-1),                                // 在window上进行高斯加权   
9.      histogramNormType(HOGDescriptor::L2Hys),     // 直方图归一化类型   
10.      L2HysThreshold(0.2),                         // L2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising  
11.      gammaCorrection(true),                       // Gamma校正，去除光照影响  
12.      nlevels(HOGDescriptor::DEFAULT_NLEVELS)      // 分层数  

下面的两段代码采用OpenCV中的HOG行人检测类来完成对静态图片中的行人检测。

1）采用64*128 （像素为单位）的detect window

[cpp]  view plain  copy

1. //  基于HOG特征的行人检测    
2. //  Author：www.icvpr.com  
3. //  Blog：  http://blog.csdn.net/icvpr    
4.   
5. #include <iostream>  
6. #include <opencv2/opencv.hpp>  
7.   
8.   
9. int main(int argc, char** argv)  
10. {  
11.     cv::Mat image = cv::imread("test.bmp");  
12.     if (image.empty())  
13.     {  
14.         std::cout<<"read image failed"<<std::endl;  
15.     }  
16.   
17.       
18.     // 1. 定义HOG对象  
19.     cv::HOGDescriptor hog; // 采用默认参数  
20.       
21.   
22.     // 2. 设置SVM分类器  
23.     hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 采用已经训练好的行人检测分类器  
24.   
25.     // 3. 在测试图像上检测行人区域  
26.     std::vector<cv::Rect> regions;  
27.     hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);  
28.   
29.     // 显示  
30.     for (size_t i = 0; i < regions.size(); i++)  
31.     {  
32.         cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);  
33.     }  
34.   
35.     cv::imshow("hog", image);  
36.     cv::waitKey(0);  
37.   
38.     return 0;  
39. }  

行人检测实验结果：

  

2）采用48*96（像素为单位）的detect window

[cpp]  view plain  copy

1. //  基于HOG特征的行人检测      
2. //  Author： http://blog.csdn.net/icvpr      
3.     
4. #include <iostream>    
5. #include <opencv2/opencv.hpp>    
6.     
7.     
8. int main(int argc, char** argv)    
9. {    
10.     cv::Mat image = cv::imread("test.bmp");    
11.     if (image.empty())    
12.     {    
13.         std::cout<<"read image failed"<<std::endl;    
14.     }    
15.     
16.         
17.     // 1. 定义HOG对象    
18.     cv::HOGDescriptor hog(cv::Size(48, 96), cv::Size(16, 16), cv::Size(8, 8), cv::Size(8, 8), 9, 1,-1, cv::HOGDescriptor::L2Hys, 0.2, true, cv::HOGDescriptor::DEFAULT_NLEVELS);   
19.         
20.     
21.     // 2. 设置SVM分类器    
22.     hog.setSVMDetector(cv::HOGDescriptor::getDaimlerPeopleDetector());   // 采用已经训练好的行人检测分类器    
23.     
24.     // 3. 在测试图像上检测行人区域    
25.     std::vector<cv::Rect> regions;    
26.     hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);    
27.     
28.     // 显示    
29.     for (size_t i = 0; i < regions.size(); i++)    
30.     {    
31.         cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);    
32.     }    
33.     
34.     cv::imshow("hog", image);    
35.     cv::waitKey(0);    
36.     
37.     return 0;    
38. }    

行人检测实验结果：

  

相关内容：www.icvpr.com

--------------------------------------------------------

< 转载请注明：http://blog.csdn.net/icvpr >