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。
2014-05-29 21:09
831 查看
#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。
相关文章推荐
- SVM+HOG:利用训练好的XML进行行人检测(检测效果)
- 自己训练SVM分类器进行HOG行人检测
- 自己训练SVM分类器进行HOG行人检测
- 自己训练SVM分类器进行HOG行人检测
- 自己训练SVM分类器,进行HOG行人检测。
- 用opencv的traincascade.exe训练行人的HAAR、LBP和HOG特征的xml文件,并对分类器进行加载和检测
- (转)利用Hog特征和SVM分类器进行行人检测(自己收集正反例样本训练分类器)
- 自己训练SVM分类器进行HOG行人检测
- 自己训练SVM分类器进行HOG行人检测
- OpenCV HOG+SVM行人检测:从训练到检测
- 自己训练SVM分类器进行HOG行人检测
- 自己训练SVM分类器进行HOG行人检测
- 【setSVMDetector+新模型】利用Hog特征和SVM分类器进行行人检测
- 自己训练SVM分类器进行HOG行人检测
- 自己训练SVM分类器进行HOG行人检测
- Opencv中HOG+SVM进行行人检测
- 自己训练SVM分类器进行HOG行人检测
- Opencv运用训练好的SVM分类器进行行人检测(效果不理想
- 利用Hog特征和SVM分类器进行行人检测(自己收集正反例样本训练分类器)
- 自己训练SVM分类器进行HOG行人检测