转载: OpenCV中HOG人检测以及Part Model latent SVM目标识别 | 丕子 http://www.zhizhihu.com/html/y2011/3436.html

OpenCV中HOG人检测以及Part Model latent SVM目标识别

2011年09月29日 ⁄ 技术, 科研 ⁄
共 659字
⁄ 评论数 32 ⁄ 被围观 5,409 阅读+

要做点视频中检测的小东西，发现OpenCV中已经十分全面了，要做的东西要用到Navneet Dalal and Bill
Triggs的Histogram of Oriented Gradients (HOG)方法以及Pedro F. Felzenszwalb的Discriminatively Trained Deformable Part Models，其实这两种方法在OpenCV中已经有完整的实现了，我用的opencv版本是2.3.1。

先是使用HOG进行People Detection的，已经提供了完整的方法，在peopledetect.cpp中，主要的方法有HOG特征提取以及训练还有识别，你可以通过 hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());来用已经训练好的模型直接检测。hog.detectMultiScale（...）进行检测。



2、通过latentSVM进行目标的识别。相关的例子在latentsvmdetect.cpp中，不过例子只提供了cat的模型，怎么自己训练自己的模型需要摸索一下了。但是这个cat的结果感觉不是很好的样子，可能模型的问题吧。瓶子应该很不错。



这两种方法的基本方法都在opencv_objdetect中，hog.cpp以及latensvm.cpp等，自己开发也方便。

OpenCV潜力无限，用起来也方便，十分之方便，主要是C系列的，效率也不用很担心，况且有一些GPU的应用，估计发展一下还会有并行计算等得框架来进一步提高效率吧。