OpenCV_基於HOG特徵的行人檢測

OpenCV中提供了HOG的行人檢測（pedestrain detection）類。

cv::HOGDescriptor類的建構函式的各參數的定義：

CV_WRAP HOGDescriptor() :      winSize(64,128),                             // detect window      blockSize(16,16),                            // block 大小      blockStride(8,8),                            // overlap block的滑動步長      cellSize(8,8),                               // cell 大小       nbins(9),                                    // 長條圖的bin個數      derivAperture(1),                            // 微分運算元核      winSigma(-1),                                // 在window上進行高斯加權      histogramNormType(HOGDescriptor::L2Hys),     // 長條圖歸一化類型      L2HysThreshold(0.2),                         // L2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising     gammaCorrection(true),                       // Gamma校正，去除光照影響     nlevels(HOGDescriptor::DEFAULT_NLEVELS)      // 分層數

下面的兩段代碼採用OpenCV中的HOG行人檢測類來完成對靜態圖片中的行人檢測。

1）採用64*128 （像素為單位）的detect window

//  基於HOG特徵的行人檢測  //  Author：www.icvpr.com//  Blog：  http://blog.csdn.net/icvpr  #include <iostream>#include <opencv2/opencv.hpp>int main(int argc, char** argv){cv::Mat image = cv::imread("test.bmp");if (image.empty()){std::cout<<"read image failed"<<std::endl;}// 1. 定義HOG對象cv::HOGDescriptor hog; // 採用預設參數// 2. 設定SVM分類器hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 採用已經訓練好的行人檢測分類器// 3. 在測試映像上檢測行人地區std::vector<cv::Rect> regions;hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);// 顯示for (size_t i = 0; i < regions.size(); i++){cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);}cv::imshow("hog", image);cv::waitKey(0);return 0;}

行人檢測實驗結果：

  

2）採用48*96（像素為單位）的detect window

//  基於HOG特徵的行人檢測    //  Author： http://blog.csdn.net/icvpr      #include <iostream>  #include <opencv2/opencv.hpp>      int main(int argc, char** argv)  {      cv::Mat image = cv::imread("test.bmp");      if (image.empty())      {          std::cout<<"read image failed"<<std::endl;      }              // 1. 定義HOG對象      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);             // 2. 設定SVM分類器      hog.setSVMDetector(cv::HOGDescriptor::getDaimlerPeopleDetector());   // 採用已經訓練好的行人檢測分類器        // 3. 在測試映像上檢測行人地區      std::vector<cv::Rect> regions;      hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);        // 顯示      for (size_t i = 0; i < regions.size(); i++)      {          cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);      }        cv::imshow("hog", image);      cv::waitKey(0);        return 0;  }  

行人檢測實驗結果：

  

相關內容：www.icvpr.com

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

< 轉載請註明：http://blog.csdn.net/icvpr >