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
plaincopy
cv_wrap hogdescriptor() :
winsize(64,128), // detect window
blocksize(16,16), // block 大小
blockstride(8,8), // overlap block的滑动步长
cellsize(8,8), // cell 大小
nbins(9), // 直方图的bin个数
derivaperture(1), // 微分算子核
winsigma(-1), // 在window上进行高斯加权
histogramnormtype(hogdescriptor::l2hys), // 直方图归一化类型
l2hysthreshold(0.2), // l2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising
gammacorrection(true), // gamma校正，去除光照影响
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
// 基于hog特征的行人检测
// 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. 定义hog对象
cv::hogdescriptor hog; // 采用默认参数
// 2. 设置svm分类器
hog.setsvmdetector(cv::hogdescriptor::getdefaultpeopledetector()); // 采用已经训练好的行人检测分类器
// 3. 在测试图像上检测行人区域
std::vector<cv::rect> regions;
hog.detectmultiscale(image, regions, 0, cv::size(8,8), cv::size(32,32), 1.05, 1);
// 显示
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;
}
行人检测实验结果：
2）采用48*96（像素为单位）的detect window
// 基于hog特征的行人检测
// 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. 定义hog对象
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. 设置svm分类器
hog.setsvmdetector(cv::hogdescriptor::getdaimlerpeopledetector()); // 采用已经训练好的行人检测分类器
// 3. 在测试图像上检测行人区域
std::vector<cv::rect> regions;
hog.detectmultiscale(image, regions, 0, cv::size(8,8), cv::size(32,32), 1.05, 1);
// 显示
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;
}
opencv_基于hog特征的行人检测