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"); }
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。
效果:
可以看到没有误报,但又很多漏检。
Navneet Dalal在CVPR2005上的HOG原论文翻译见:http://blog.csdn.net/masibuaa/article/details/14056807
源码下载,环境为VS2010 + OpenCV2.4.4
http://download.csdn.net/detail/masikkk/6547451