HOG+SVM实现目标检测

一、环境：VS2013+OpenCV3.0

看论文《Detection and Recognition of Traffic Planar Objects Using Colorized Laser Scan and Perspective Distortion Rectification》，Traffic Planar Objects Detection is implemented by the HoG+SVM。

HoG是在计算机视觉和图像处理中用于实现物体检测的特征描述子，出自论文：

Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. IEEE, 2005, 1: 886-893.(2016:Google Citation: 14046) 

下载链接：https://hal.inria.fr/file/index/docid/548512/filename/hog_cvpr2005.pdf

HoG特征详细总结：https://www.cnblogs.com/wyuzl/p/6792216.html

二、函数参数分析

（1）detectMultiScal()

virtual void detectMultiScale(InputArray img, CV_OUT std::vector& foundLocations,
                                  double hitThreshold = 0, Size winStride = Size(),
                                  Size padding = Size(), double scale = 1.05,
                                  double finalThreshold = 2.0, bool useMeanshiftGrouping = false) const;

共有8个参数：

img: 输入图像，可以是彩色图像也可以是灰度图像；

foundLocations:存取检测到的目标的位置；

hitThreshold(optional): The threshold for the distance from features to the SVM classifying plane;

winStride(optional): HoG检测窗口移动时的步长（水平和垂直）

padding(optional):在原图外围添加像素，常见的pad 尺寸包括（8,8)，(16,16)，(24,24)，(32,32)

scale：图像的多尺度表示，每层图像都被缩小然后被高斯平滑，通常在[1.01-1.5];

finalThreshold：优化bounding box.

useMeanshiftGrouping：bool类型，表示是否用meanShift来消除重叠，默认为false.

下面的三幅图hitThreshold分别为0， 0.5，1的检测结果：

hitThreshold=0

hitThreshold=0.5

hitThreshold=1

由此可见，参数的设置不同，对检测效果影响很大，每个参数都需要合理设置，才可以达到最佳的检测效果。

(2) rectangle(): 通过传入矩形参数来画矩形

CV_EXPORTS void rectangle(CV_IN_OUT Mat& img, Rect rec,
                          const Scalar& color, int thickness = 1,
                          int lineType = LINE_8, int shift = 0);

（3）rectangle()：通过传入对角线两点来画矩形

CV_EXPORTS_W void rectangle(InputOutputArray img, Point pt1, Point pt2,
                          const Scalar& color, int thickness = 1,
                          int lineType = LINE_8, int shift = 0);

三、代码实现HoG行人检测：

#include 
#include 
using namespace std;
using namespace cv;

int main()
{
	Mat src = imread("person_293.bmp");
	if (!src.data)
	{
		cout << "read image failed" << endl;
		return false;
	}
	//Define HOG Object
	HOGDescriptor hog; // 采用默认参数
	//Set SVM Classifier
	hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());
	//Detect the Pedestrians region on the test image 
	vector regions;
	double hitThreshold=0.5;
	cout << " hitThreshold=" << hitThreshold << endl;
	hog.detectMultiScale(src, regions, hitThreshold, Size(8, 8), Size(32, 32), 1.05, 1);
	// Display
	for (size_t i = 0; i < regions.size(); i++)
	{
		rectangle(src, regions[i], Scalar(0, 0, 255), 2);  //对判定是行人的区域画矩形标记
	}
    imshow("hog", src);
    waitKey(0);
	return 0;
}