OpenCV学习笔记(十四)——HOG特征检测

本文介绍如何使用OpenCV的HOG+SVM算法进行行人检测,并提供了一个示例代码,展示了从加载图片到显示检测结果的全过程。

     OpenCV自带了函数detectMultiScale()可以实现对行人的检测该算法采用的是hog算法,这一节我们学习其内置的HOG+SVM算法的应用。 HOGHistogram of Oriented Gridients的简写)特征检测算法,最早是由法国研究员Dalal等在CVPR-2005上提出来的是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度直方图来构成特征。主要思想是:在边缘具体位置未知的情况下,边缘方向的分布也可以很好的表示行人目标的外形轮廓。

        Dalal等提出的HOG+SVM算法,在进行行人检测取得了极大地成功后,更多新算法不断涌现,不过大都是以HOG+SVM的思路为主线。

     我们编写演示代码,观察实验效果:

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

using namespace cv;
using namespace std;

int main( )
{
	Mat src_img = imread("test16.jpg");
	if (src_img.empty()) 
	{
		printf("could not load the image...\n");
		return -1;
	}
	namedWindow("原图", CV_WINDOW_AUTOSIZE);
	imshow("原图", src_img);

	// HOG-SVM行人检测
	HOGDescriptor hog = HOGDescriptor();
	hog.setSVMDetector(hog.getDefaultPeopleDetector());

	vector<Rect> foundLocations;
	hog.detectMultiScale(src_img, foundLocations, 0, Size(8, 8), Size(32, 32), 1.05, 2);
	Mat result_img = src_img.clone();
	for (auto t = 0; t < foundLocations.size(); ++t)
	{
		rectangle(result_img, foundLocations[t], Scalar(0, 0, 255), 2, 8, 0);
	}
	namedWindow("HOG-SVM Detector", CV_WINDOW_AUTOSIZE);
	imshow("HOG-SVM Detector", result_img);

	waitKey(0);
	return 0;
}

运行程序,如下所示:







评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值