OpenCV学习笔记（十四）——HOG特征检测

最新推荐文章于 2023-06-21 12:52:11 发布

原创最新推荐文章于 2023-06-21 12:52:11 发布 · 868 阅读

2 ·

CC 4.0 BY-SA版权

OpenCV 专栏收录该内容

28 篇文章

订阅专栏

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。 HOG（Histogram 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。其主要思想是：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：