HOG特征+SVM行人检测

HOG特征+SVM行人检测

API介绍：

 

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
    Mat src = imread("L:/opencv_picture/ren4.jpg");
    if (src.empty()) {
        printf("could not load image...
");
        return -1;
    }
    namedWindow("input image", CV_WINDOW_AUTOSIZE);
    imshow("input image", src);

    /*
    Mat dst, dst_gray;
    resize(src, dst, Size(64, 128));
    cvtColor(dst, dst_gray, COLOR_BGR2GRAY);
    HOGDescriptor detector(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9);

    vector<float> descriptors;
    vector<Point> locations;
    detector.compute(dst_gray, descriptors, Size(0, 0), Size(0, 0), locations);
    printf("number of HOG descriptors : %d", descriptors.size());
    */
    HOGDescriptor hog = HOGDescriptor(); //将hog作为HOGDescriptor的一个函数名
    hog.setSVMDetector(hog.getDefaultPeopleDetector()); 
    //让hog函数内的setSVMDetector参数为getDefaultPeopleDetector()做行人检测

    vector<Rect> foundLocations;   //定个一个变量行人矩形框
    hog.detectMultiScale(src, foundLocations, 0, Size(2, 2), Size(32, 32), 1.05, 2);
    //多个尺度的行人的寻找，采用不同的开窗大小检测。
    //参数：1.检测图像 2.检测结果 3.默认为0 4.滑框每次移动步长 5.图像扩充大小 6.图像尺度（高斯金字塔） 7.默认
    // 第四个参数越大，检测窗口移动的步长越大，检测的目标个数越小
     //第五个参数：pad size 有(8, 8), (16, 16), (24, 24), (32, 32).适当的pad可以提高检测的准确率
    //6.scale参数可以具体控制金字塔的层数，参数越小，层数越多，检测时间也长。通常scale在1.01-1.5这个区间
    Mat result = src.clone();
    for (size_t t = 0; t < foundLocations.size(); t++) {
        rectangle(result, foundLocations[t], Scalar(0, 0, 255), 2, 8, 0);
    }
    namedWindow("HOG SVM Detector Demo", CV_WINDOW_AUTOSIZE);
    imshow("HOG SVM Detector Demo", result);
    
    waitKey(0);
    return 0;
}

我这里的 pad size取的size（2,2）的检测效果：

原图：                                                                                                                效果图：