方针检测：HOG特征和OpenCV中的实现

副标题#e#

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；

此刻操作HOG特征来举办行人检测，既然要有了特征，此刻其实要有一个要领来判定是否一个图片的某一部门是行人，SVM是一个很好的呆板进修要领，可以用来分类，团结HOG特征就可以用来检测图片中的行人。OpenCV中集成了一个要领，getDefaultPeopleDetector等可以直接获得一个SVM的分类器，这个分类器是OpenCV自带的已经练习好的，可以直接拿来利用。下面可以看一下利用它的代码。

OpenCV自带SVM分类器利用:

#include <iostream>  
#include <opencv2/opencv.hpp>  
       
using namespace cv;  
       
int main(int argc, char** argv)  
{  
    cv::Mat image = cv::imread("G:\\视频阐明入门操练\\视频阐明入门操练 - 附件\\testingdata for HOG\\frame_0061.jpg"); 
    if (image.empty())  
    {  
        std::cout << "read imagefailed"<< std::endl;  
    }  
       
       
    // 1. 界说HOG工具  
    cv::HOGDescriptor hog; // 回收默认参数  
       
       
    // 2. 配置SVM分类器  
    hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());   // 回收已经练习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);  //对鉴定是行人的区域画一个正方形标志一下。  
    }  
       
    cv::imshow("hog", image);  
    cv::waitKey(0);  
       
    return 0;  
}

功效：

#p#副标题#e#

上面利用的OpenCV自带的SVM分类器，可是针对特定应用场景，很有须要举办从头练习获得适合的分类器。实现的代码可以从这里获得：http://download.csdn.net/detail/u013035103/7809229，结果不是很好，小我私家以为练习的样本数量有点少，导致这样。

作者：csdn博客 钟桓