opencv行人检测1（HOG+SVM）

#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<opencv2/objdetect.hpp>
#include<iostream>

using	namespace std;
using	namespace cv;

int	main(int argc, char **argv)
{
	Mat	img;
	//读取图片
	img = imread("D:\\b.png", 1);
	//HOG特征检测器
	HOGDescriptor	defaultHog;
	//设置SVM分类器
	defaultHog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());
	//矩形框数组
	vector<Rect> found;
	//对图像进行多尺度检测
	defaultHog.detectMultiScale(img, found);
	//detectMultiScale(const Mat& image,CV_OUT vector<Rect>& objects,double scaleFactor = 1.1,int minNeighbors = 3,int flags = 0,Size minSize = Size(),Size maxSize = Size());
	//待检测图片，被检测物体的矩形框向量组，搜索窗口的比例系数	

	//画出矩形框
	for (int i = 0; i<found.size(); i++)
	{
		Rect r = found[i];	
		rectangle(img, r.tl(), r.br(), Scalar(0, 255, 0), 3);
	}

	//显示图片
	namedWindow("Detect pedestrain", WINDOW_AUTOSIZE);
	imshow("Detect pedestrain", img);
	waitKey(0);
	return	0;

}

 

       小编菜鸟一枚，第一次接触opencv，opencv还没学完，导师就让研究行人检测。

       在网上看到许多的大佬写的行人检测，大都是基于利用Hog进行特征提取和SVM分类器来进行行人检测，写的非常全，当然代码也就很复杂了。但小编这时完全不知道HOG和SVM是什么东西，opencv也没什么基础，C++也快忘完了。所以基本看不懂大神们写的长长的代码。

       所以小编挑了一个代码最少，看起来最简单的C++程序。研究了几个小时，终于发现，行人检测原来核心代码只有两句。

       第一句：defaultHog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());这是设置分类器SVM。

       第二句：defaultHog.detectMultiScale(img, found, 0, Size(8, 8), Size(32, 32), 1.05, 2);这是进行多尺度检测，用HOG。

       所以小编写了段非常简单的代码，如上，就能实现简单的行人检测。

 

       这里，小编简单的说说代码每一句是什么意思。

       首先是vector。它是一个容器，能存放各种类型的对象。给大家举一个例子：

       vector<int> test；

       //建立一个vector，int为数组元素的数据类型，test为动态数组名（自己命名的）

       想深入了解vector的小白们，以下附上详细介绍vector的链接：

       https://blog.csdn.net/duan19920101/article/details/50617190/

     

       然后，HOGDescriptor是一个类，HOG被封装在这个类中。

       举个例子：

       HOGDescriptor  defaultHog ；

       这就定义了HOG对象defaultHog（自己命名的）。

     

       再给大家说说SVMDetector。

       实例：

       defaultHog.setSVMDetector(HOGDescriptor：：getDefaultPeopleDetector());

       就是调用setSVMDetector方法，给用于对HOG特征进行分类的SVM模型的系数赋值，这里的参数HOGDescriptor：：getDefaultPeopleDetector()时，表示采用系统默认的参数。

 

       接着，opencv中使用detectMultiScale（）来进行多尺度检测。

       defaultHog.detectMultiScale(img, found);

       img是输入的待检测的图片的名字，found是检测到目标区域列表，都是自己命名的。

       

       最后，rectangle函数，传入矩形参数来画矩形。

       rectangle（Mat& img,Rect rec,const Scalar&color,int thickness=1,int shift=0）；

       实例：rectangle(img, Rect(100,300,20,200), Scalar(0, 0, 255), 1,1,0）；

       其中rectangle（int a,int b, int c, int d）,a,b为矩形左上角坐标，c,d为矩形的长和宽。

       scalar()表示颜色，后面的参数分别是线条粗细，线条类型，点类型。

        

       好，总结一下，行人检测代码初步完成，但还是会有许多的bug。看下图就知道它的矩形框多了。说明代码还需要完善。等小编再去研究研究。

 
         
 

 

       最后小编又参考了许多的文章，弄明白了行人检测的原理，对hog和SVM进行了初步的研究。大概知道它是什么，主要干啥的。

 

       HOG是局部区域描述符，通过计算局部区域上的梯度方向直方图来构成人体特征。其实它就是用来采集人体特征的。

 

       SVM是支持向量机，就是一种判别方法。小编看了一个故事，然后发现，SVM就是一条线，它可以把两个类别无错误的分隔开。

 

       而行人检测原理，就是先用HOG采集出人体特征，再用SVM分类器分出行人和非行人。

 

       根据小编的理解，就是用HOG采集出行人和非行人的特征，再根据特征的不同用SVM把行人和非行人分开。最后再画出矩形框把行人圈出来就行了。

 

       小编还看到，许多的文章都说到了样本训练。这个代码用的是默认的参数，是opencv自带的。没有自己训练样本，所以代码很简单。

        样本训练，小编还要再研究研究。还有HOG算子和SVM向量机的原理，小编也是一知半解，等小编去研究研究，先记着，以后再说。