当前位置 : 首页 » 文章分类 :  科研  »  OpenCV2.4.4实现HOG行人检测

OpenCV2.4.4实现HOG行人检测

利用OpenCV中默认的SVM参数进行HOG行人检测,默认参数是根据Dalal的方法训练的。

#include <iostream>
#include <string>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <opencv2/ml/ml.hpp>

using namespace std;
using namespace cv;

int main()
{

    Mat src = imread("5.png");
    HOGDescriptor hog;//HOG特征检测器
    hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//设置SVM分类器为默认参数
    vector<Rect> found, found_filtered;//矩形框数组
    hog.detectMultiScale(src, found, 0, Size(8,8), Size(32,32), 1.05, 2);//对图像进行多尺度检测,检测窗口移动步长为(8,8)

    cout<<"矩形个数:"<<found.size()<<endl;
    //找出所有没有嵌套的矩形框r,并放入found_filtered中,如果有嵌套的话,则取外面最大的那个矩形框放入found_filtered中
    for(int i=0; i < found.size(); i++)
    {
        Rect r = found[i];
        int j=0;
        for(; j < found.size(); j++)
            if(j != i && (r & found[j]) == r)
                break;
        if( j == found.size())
            found_filtered.push_back(r);
    }
    cout<<"过滤后矩形的个数:"<<found_filtered.size()<<endl;

    //画矩形框,因为hog检测出的矩形框比实际人体框要稍微大些,所以这里需要做一些调整
    for(int i=0; i<found_filtered.size(); i++)
    {
        Rect r = found_filtered[i];
        r.x += cvRound(r.width*0.1);
        r.width = cvRound(r.width*0.8);
        r.y += cvRound(r.height*0.07);
        r.height = cvRound(r.height*0.8);
        rectangle(src, r.tl(), r.br(), Scalar(0,255,0), 3);
    }

    imwrite("ImgProcessed.jpg",src);
    namedWindow("src",0);
    imshow("src",src);
    waitKey();//注意:imshow之后一定要加waitKey,否则无法显示图像



    system("pause");
}

OpenCV的HOG多尺度检测函数说明:
void detectMultiScale(constGpuMat& img, vector<Rect>& found_locations, double hit_threshold= 0, Sizewin_stride = Size(), Size padding = Size(), double scale0=1.05,intgroup_threshold=2 );

  • img:待检测的图像,支持CV_8UC1或CV_8UC4类型
  • found_locations:检测到的目标的包围框数组
  • hit_threshold:检测到的特征到SVM分类超平面的距离,一般是设为0,在分类器参数中指明。
  • win_stride:检测窗口每次移动的距离,必须是块移动的整数倍
  • padding:保持CPU接口兼容性的虚参数,必须是(0,0)。但网上下载的例子里是(32,32)
  • scale0:滑动窗口每次增加的比例
  • group_threshold:组阈值,即校正系数,当一个目标被多个窗口检测出来时,该参数此时就起了调节作用, 为0时表示不起调节作用。

结果:


OpenCV默认SVM参数HOG行人检测结果-1


OpenCV默认SVM参数HOG行人检测结果-2


OpenCV默认SVM参数HOG行人检测结果-3


OpenCV默认SVM参数HOG行人检测结果-4

可以看到没有误报,但又很多漏检。

上一篇 OpenCV imshow()之后没有waitKey()无法显示图像

下一篇 Histograms of Oriented Gradients for Human Detection 中文翻译

域名迁移公告
2017年12月20日起,本博客迁移到新域名madaimeng.com,旧域名masikkk.com不再更新内容,但将永久保持可访问!
阅读
653
阅读预计3分钟
创建日期 2013-11-10
修改日期 2017-07-02
类别
百度推荐