閱讀356 返回首頁    go 技術社區[雲棲]

OpenCV_基於HOG特征的行人檢測

OpenCV中提供了HOG的行人檢測（pedestrain detection）類。


cv::HOGDescriptor類的構造函數的各參數的定義：

  1. CV_WRAP HOGDescriptor() :   
  2.      winSize(64,128),                             // detect window   
  3.      blockSize(16,16),                            // block 大小   
  4.      blockStride(8,8),                            // overlap block的滑動步長   
  5.      cellSize(8,8),                               // cell 大小    
  6.      nbins(9),                                    // 直方圖的bin個數   
  7.      derivAperture(1),                            // 微分算子核   
  8.      winSigma(-1),                                // 在window上進行高斯加權   
  9.      histogramNormType(HOGDescriptor::L2Hys),     // 直方圖歸一化類型   
  10.      L2HysThreshold(0.2),                         // L2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising  
  11.      gammaCorrection(true),                       // Gamma校正，去除光照影響  
  12.      nlevels(HOGDescriptor::DEFAULT_NLEVELS)      // 分層數  



下麵的兩段代碼采用OpenCV中的HOG行人檢測類來完成對靜態圖片中的行人檢測。


1）采用64*128 （像素為單位）的detect window


  1. //  基於HOG特征的行人檢測    
  2. //  Author：www.icvpr.com  
  3. //  Blog：  https://blog.csdn.net/icvpr    
  4.   
  5. #include <iostream>  
  6. #include <opencv2/opencv.hpp>  
  7.   
  8.   
  9. int main(int argc, char** argv)  
  10. {  
  11.     cv::Mat image = cv::imread("test.bmp");  
  12.     if (image.empty())  
  13.     {  
  14.         std::cout<<"read image failed"<<std::endl;  
  15.     }  
  16.   
  17.       
  18.     // 1. 定義HOG對象  
  19.     cv::HOGDescriptor hog; // 采用默認參數  
  20.       
  21.   
  22.     // 2. 設置SVM分類器  
  23.     hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 采用已經訓練好的行人檢測分類器  
  24.   
  25.     // 3. 在測試圖像上檢測行人區域  
  26.     std::vector<cv::Rect> regions;  
  27.     hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);  
  28.   
  29.     // 顯示  
  30.     for (size_t i = 0; i < regions.size(); i++)  
  31.     {  
  32.         cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);  
  33.     }  
  34.   
  35.     cv::imshow("hog", image);  
  36.     cv::waitKey(0);  
  37.   
  38.     return 0;  
  39. }  


行人檢測實驗結果：

  





2）采用48*96（像素為單位）的detect window


  1. //  基於HOG特征的行人檢測      
  2. //  Author： https://blog.csdn.net/icvpr      
  3.     
  4. #include <iostream>    
  5. #include <opencv2/opencv.hpp>    
  6.     
  7.     
  8. int main(int argc, char** argv)    
  9. {    
  10.     cv::Mat image = cv::imread("test.bmp");    
  11.     if (image.empty())    
  12.     {    
  13.         std::cout<<"read image failed"<<std::endl;    
  14.     }    
  15.     
  16.         
  17.     // 1. 定義HOG對象    
  18.     cv::HOGDescriptor hog(cv::Size(48, 96), cv::Size(16, 16), cv::Size(8, 8), cv::Size(8, 8), 9, 1,-1, cv::HOGDescriptor::L2Hys, 0.2, true, cv::HOGDescriptor::DEFAULT_NLEVELS);   
  19.         
  20.     
  21.     // 2. 設置SVM分類器    
  22.     hog.setSVMDetector(cv::HOGDescriptor::getDaimlerPeopleDetector());   // 采用已經訓練好的行人檢測分類器    
  23.     
  24.     // 3. 在測試圖像上檢測行人區域    
  25.     std::vector<cv::Rect> regions;    
  26.     hog.detectMultiScale(image, regions, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 1);    
  27.     
  28.     // 顯示    
  29.     for (size_t i = 0; i < regions.size(); i++)    
  30.     {    
  31.         cv::rectangle(image, regions[i], cv::Scalar(0,0,255), 2);    
  32.     }    
  33.     
  34.     cv::imshow("hog", image);    
  35.     cv::waitKey(0);    
  36.     
  37.     return 0;    
  38. }    



行人檢測實驗結果：

  




OpenCV_基於HOG特征的行人檢測






最後更新：2017-04-03 05:39:54

  上一篇：go 論文摘抄 - Infobright
  下一篇：go 【二分匹配】HDU1083-Courses