计算机视觉
图像处理

OpenCV基于HOG特征的行人检测

Opencv中提供了hog行人检测(pedestrain detection)类。

cv::HOGDescriptor类的构造函数的各参数的定义:

CV_WRAP HOGDescriptor() : 
     winSize(64,128),                             // detect window 
     blockSize(16,16),                            // block 大小 
     blockStride(8,8),                            // overlap block的滑动步长 
     cellSize(8,8),                               // cell 大小  
     nbins(9),                                    // 直方图的bin个数 
     derivAperture(1),                            // 微分算子核 
     winSigma(-1),                                // 在window上进行高斯加权 
     histogramNormType(HOGDescriptor::L2Hys),     // 直方图归一化类型 
     L2HysThreshold(0.2),                         // L2-norm followed by clipping (limiting the maximum values of v to 0.2) and renormalising
     gammaCorrection(true),                       // Gamma校正,去除光照影响
     nlevels(HOGDescriptor::DEFAULT_NLEVELS)      // 分层数

下面的两段代码采用OpenCV中的HOG行人检测类来完成对静态图片中的行人检测。

1)采用64*128 (像素为单位)的detect window

#include 
#include <opencv2/opencv.hpp>


int main(int argc, char** argv)
{
	cv::Mat image = cv::imread("test.bmp");
	if (image.empty())
	{
		std::cout<<"read image failed"<<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 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);
	}

	cv::imshow("hog", image);
	cv::waitKey(0);

	return 0;
}

行人检测实验结果:

  
2)采用48*96(像素为单位)的detect window

#include   
#include <opencv2/opencv.hpp>  
  
  
int main(int argc, char** argv)  
{  
    cv::Mat image = cv::imread("test.bmp");  
    if (image.empty())  
    {  
        std::cout<<"read image failed"<<std::endl;  
    }  
  
      
    // 1. 定义HOG对象  
    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); 
      
  
    // 2. 设置SVM分类器  
    hog.setSVMDetector(cv::HOGDescriptor::getDaimlerPeopleDetector());   // 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 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);  
    }  
  
    cv::imshow("hog", image);  
    cv::waitKey(0);  
  
    return 0;  
}  

行人检测实验结果:

  

转载注明来源:CV视觉网 » OpenCV基于HOG特征的行人检测

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

0不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 19

评论前必须登录!