本文主要介紹下opencv中怎樣使用hog算法，因為在opencv中已經集成了hog這個類。其實使用起來是很簡單的，從后面的代碼就可以看出來。本文參考的資料為opencv自帶的sample。

?　 關于opencv中hog的源碼分析，可以參考本人的另一篇博客：opencv源碼解析之(6)：hog源碼分析

　　開發環境：opencv2.4.2+Qt4.8.2+ubuntu12.04+QtCreator2.5.

?

　　實驗功能：

　　單擊Open Image按鈕，選擇需要進行人檢測的一張圖片，確定后自動顯示出來。該圖片的大小沒限制。

　　單擊People Detect按鈕，則程序會自動對該圖片進行行人檢測，且將檢測到的效果顯示出來，即用1個矩形框將行人框出來。

　　單擊Close按鈕，退出程序。

?

　　實驗說明：

　　1. hog描述子在opencv中為HOGDescriptor。

　　2.?可以調用該描述子setSVMDetector方法給用于對hog特征進行分類的svm模型的系數賦值，這里的參數為HOGDescriptor::getDefaultPeopleDetector()時表示采用系統默認的參數，因為這些參數是用很多圖片訓練而來的。　　

　　3. 對輸入圖片進行行人檢測時由于圖片的大小不一樣，所以要用到多尺度檢測。這里是用hog類的方法detectMultiScale。參數解釋如下：

HOGDescriptor::detectMultiScale(const GpuMat&?img, vector<Rect>&?found_locations, doublehit_threshold=0, Size?win_stride=Size(), Size?padding=Size(), double?scale0=1.05, int?group_threshold=2)

　　該函數表示對輸入的圖片img進行多尺度行人檢測?img為輸入待檢測的圖片；found_locations為檢測到目標區域列表；參數3為程序內部計算為行人目標的閾值，也就是檢測到的特征到SVM分類超平面的距離;參數4為滑動窗口每次移動的距離。它必須是塊移動的整數倍；參數5為圖像擴充的大小；參數6為比例系數，即滑動窗口每次增加的比例；參數7為組閾值，即校正系數，當一個目標被多個窗口檢測出來時，該參數此時就起了調節作用，為0時表示不起調節作用。

4. 最后對檢測出來的目標矩形框，要采用一些方法處理，比如說2個目標框嵌套著，則選擇最外面的那個框。5. 因為hog檢測出的矩形框比實際人體框要稍微大些,所以需要對這些矩形框大小尺寸做一些調整。

實驗結果： 圖片1效果：

　　

圖片2效果：

　　

圖片3效果：

　　

圖片4效果：

　　

實驗主要部分代碼(附錄有工程code下載鏈接)： #include "dialog.h" #include "ui_dialog.h" #include <QtCore> #include <QtGui>Dialog::Dialog(QWidget *parent) :QDialog(parent),ui(new Ui::Dialog) {ui->setupUi(this); }Dialog::~Dialog() {delete ui; }void Dialog::on_openButton_clicked() {QString img_mame = QFileDialog::getOpenFileName(this, "Open img", "../people", tr("Image Files(*.png *.jpg *.bmp *.jpeg)"));img = imread( img_mame.toAscii().data() );imwrite("../hog_test.jpg", img);ui->textBrowser->setFixedSize(img.cols, img.rows);ui->textBrowser->append("<img src=../hog_test.jpg>"); }void Dialog::on_detectButton_clicked() {vector<Rect> found, found_filtered;cv::HOGDescriptor people_dectect_hog;//采用默認的已經訓練好了的svm系數作為此次檢測的模型people_dectect_hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());//對輸入的圖片img進行多尺度行人檢測//img為輸入待檢測的圖片；found為檢測到目標區域列表；參數3為程序內部計算為行人目標的閾值，也就是檢測到的特征到SVM分類超平面的距離;//參數4為滑動窗口每次移動的距離。它必須是塊移動的整數倍；參數5為圖像擴充的大小；參數6為比例系數，即測試圖片每次尺寸縮放增加的比例；//參數7為組閾值，即校正系數，當一個目標被多個窗口檢測出來時，該參數此時就起了調節作用，為0時表示不起調節作用。people_dectect_hog.detectMultiScale(img, found, 0, Size(8, 8), Size(32, 32), 1.05, 2);//從源碼中可以看出://#define __SIZE_TYPE__ long unsigned int//typedef __SIZE_TYPE__ size_t;//因此,size_t是一個long unsigned int類型size_t i, j;for (i = 0; i < found.size(); i++ ){Rect r = found[i];//下面的這個for語句是找出所有沒有嵌套的矩形框r,并放入found_filtered中,如果有嵌套的//話,則取外面最大的那個矩形框放入found_filtered中for(j = 0; j <found.size(); j++)if(j != i && (r&found[j])==r)break;if(j == found.size())found_filtered.push_back(r);}//在圖片img上畫出矩形框,因為hog檢測出的矩形框比實際人體框要稍微大些,所以這里需要//做一些調整for(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(img, r.tl(), r.br(), Scalar(0, 255, 0), 3);}imwrite("../hog_test_result.jpg", img);ui->textBrowser->clear();ui->textBrowser->append("<img src=../hog_test_result.jpg>");}void Dialog::on_closeButton_clicked() {close(); }
實驗總結： 從實驗的結果來看，圖片檢測的準確率一般，當人體遮擋情況比較嚴重，且背景比較復雜時，有些誤檢和漏檢。不過程序的檢查速度還行，因為源碼中用做了些優化處理。

　附：工程code下載。

?

http://www.cnblogs.com/tornadomeet/archive/2012/08/03/2621814.html

http://www.docin.com/p-119795862.html

http://www.pudn.com/downloads89/sourcecode/graph/texture_mapping/detail339697.html

http://www.pudn.com/downloads377/sourcecode/graph/opencv/detail1626443.html

http://www.doc88.com/p-0901980821190.html

http://wenku.baidu.com/link?url=UyGzJEwDnJoT418mMt2V9ciCoxQlmtGGSkhRmk1mIRh0g0AgyAiylhekqfseOk1c0SgLhc2r-x9CbkdW5nkp_yJu_UI97RVMb-t6SeMeNW_?中山大學博士學位論文

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkmtGkxyOh_GobIHQfGsTrQHP61yAIIKdZTxeJRvMYI0i?開爾曼濾波

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkQSr-1Za7kaSgwJ_kSl3VNmyfL6Y4BQnZuJIM9DAVhUK?人體檢測博士論文

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkxOLrBmNqLzEbQRFTGujs--XJwVat1PcRChTvXNCGaaC 多尺度行人檢測

http://www.jdl.ac.cn/project/faceId/res-track.htm

http://www.cnblogs.com/ztfei/archive/2012/09/02/2667607.html

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkxOLrBmNqLzEbQRFTGujs--XJwVat1PcRChTvXNCGaaC 基于harr和hog的檢測

http://wenku.baidu.com/view/359a912ded630b1c59eeb577.html 優化

http://oaps.lib.tsinghua.edu.cn/handle/123456789/2240 清華

http://www.cnblogs.com/tornadomeet/archive/2012/08/15/2640754.html?

轉載于:https://www.cnblogs.com/pengkunfan/p/4137532.html

總結

以上是生活随笔為你收集整理的目标检测之行人检测（Pedestrian Detection）基于hog（梯度方向直方图）--- 梯度直方图特征行人检测、人流检测2...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。