opencv中应用HOG特征训练SVM多分类器的一般框架

最新推荐文章于 2025-10-19 18:34:54 发布

原创

最新推荐文章于 2025-10-19 18:34:54 发布 · 5.6k 阅读

15 ·

CC 4.0 BY-SA版权

本文介绍了如何利用OpenCV的HOGDescriptor类进行HOG特征提取，包括设置参数如窗口大小、块大小等。在提取特征后，提到了样本集的组织方式，通常存储在文本文件中，并且可以通过批处理程序生成文件列表。最后，文章提及了OpenCV中SVM的使用，建议参考官方文档进行深入学习。

1.HOG特征提取

opencv里关于HOG特征的提取是通过函数HOGDescriptor()来完成的，主要有下面4个构造函数：

CV_WRAP HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),  
    cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),  
    histogramNormType(HOGDescriptor::L2Hys), L2HysThreshold(0.2), gammaCorrection(true),   
    nlevels(HOGDescriptor::DEFAULT_NLEVELS)  
{}

CV_WRAP HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride,  
              Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1,  
              int _histogramNormType=HOGDescriptor::L2Hys,  
              double _L2HysThreshold=0.2, bool _gammaCorrection=false,  
              int _nlevels=HOGDescriptor::DEFAULT_NLEVELS)  
: winSize(_winSize), blockSize(_blockSize), blockStride(_blockStride), cellSize(_cellSize),  
nbins(_nbins), derivAperture(_derivAperture), winSigma(_winSigma),  
histogramNormType(_histogramNormType), L2HysThreshold(_L2HysThreshold),  
gammaCorrection(_gammaCorrection), nlevels(_nlevels)  
{}

CV_WRAP HOGDescriptor(const String& filename)  
{  
    load(filename);  
}

HOGDescriptor(const HOGDescriptor& d)  
{  
    d.copyTo(*this);  
}

实际应用过程中主要是第二个，其中有几个关键的参数：

最低0.47元/天解锁文章