OpenCV_基於HOG特征的行人檢測

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

cv::HOGDescriptor類的構造函數的各參數的定義：

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),                                    // 直方圖的bin個數
    derivAperture(1),                            // 微分算子核
    winSigma(-1),                                // 在window上進行高斯加權
    histogramNormType(HOGDescriptor::L2Hys),    // 直方圖歸一化類型
    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

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

1）采用64*128 （像素為單位）的detect window

//  基於HOG特征的行人檢測 
//  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; // 采用默認參數
 

 // 2. 設置SVM分類器
 hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());  // 采用已經訓練好的行人檢測分類器

 // 3. 在測試圖像上檢測行人區域
 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：