当前位置: 首页 > 编程语言 > C++ > 正文

目标检测:HOG特征和OpenCV中的实现

时间:2015-05-21

关于HOG特征可以看http://blog.csdn.net/zouxy09/article/details/7929348和http://www.cnblogs.com/tornadomeet/archive/2012/08/15/2640754.html,

关于OpenCV HOGDescriptor参数图解可以参考这里http://blog.csdn.net/raodotcong/article/details/6239431;

现在利用HOG特征来进行行人检测,既然要有了特征,现在其实要有一个方法来判断是否一个图片的某一部分是行人,SVM是一个很好的机器学习方法,可以用来分类,结合HOG特征就可以用来检测图片中的行人。OpenCV中集成了一个方法,getDefaultPeopleDetector等可以直接得到一个SVM的分类器,这个分类器是OpenCV自带的已经训练好的,可以直接拿来使用。下面可以看一下使用它的代码。

OpenCV自带SVM分类器使用:

#include <iostream>  
#include <opencv2/opencv.hpp>  
       
using namespace cv;  
       
int main(int argc, char** argv)  
{  
    cv::Mat image = cv::imread("G:\\视频分析入门练习\\视频分析入门练习 - 附件\\testingdata for HOG\\frame_0061.jpg"); 
    if (image.empty())  
    {  
        std::cout << "read imagefailed"<< std::endl;  
    }  
       
       
    // 1. 定义HOG对象  
    cv::HOGDescriptor hog; // 采用默认参数  
       
       
    // 2. 设置SVM分类器  
    hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 采用已经训练好的行人检测分类器  
       
    // 3. 在测试图像上检测行人区域  
    std::vector<cv::Rect> regions;  
    hog.detectMultiScale(image, regions, 0, cv::Size(8, 8), cv::Size(32, 32), 1.05, 1);  
       
    // 显示  
    for (size_t i = 0; i < regions.size(); i++)  
    {  
        cv::rectangle(image, regions[i], cv::Scalar(0, 0, 255),2);  //对判定是行人的区域画一个正方形标记一下。  
    }  
       
    cv::imshow("hog", image);  
    cv::waitKey(0);  
       
    return 0;  
}

结果:

返回栏目页:http://www.bianceng.cn/Programming/cplus/