38 Opencv HOG特征检测

文章目录

  • [HOGDescriptor 构造函数](#HOGDescriptor 构造函数)
  • [setSVMDetector 设置支持向量机(SVM)检测器,用于目标检测。](#setSVMDetector 设置支持向量机(SVM)检测器,用于目标检测。)
  • [compute 用于计算图像区域的HOG描述符。](#compute 用于计算图像区域的HOG描述符。)
  • [detectMultiScale 多尺度检测目标。](#detectMultiScale 多尺度检测目标。)
  • 示例

HOGDescriptor 构造函数

c 复制代码
HOGDescriptor();
HOGDescriptor(const Size& _winSize, const Size& _blockSize, 
              const Size& _blockStride, const Size& _cellSize, 
              int _nbins, double _alpha, double _L2HysThreshold,
              bool _gammaCorrection, NHistType _histogramNormType);
              
    _winSize: 指定窗口大小,默认是 64x128 像素。
    _blockSize: 指定块的大小,默认是 16x16 像素。一个块由多个单元格(cell)组成。
    _blockStride: 指定在计算下一个块时块之间滑动的步长,默认是 8x8 像素。
    _cellSize: 指定每个单元格的大小,默认是 8x8 像素。每个单元格内的像素点将被用来计算梯度直方图。
    _nbins: 指定每个单元格中梯度方向的数量,默认是 9 个bin。
    _alpha: 权重缩放因子,通常设置为 1.0。
    _L2HysThreshold: L2 范数阈值,用于防止光照变化影响。默认值通常是 0.2。
    _gammaCorrection: 是否应用伽马校正预处理。默认是 false。
    _histogramNormType: 直方图归一化类型。

setSVMDetector 设置支持向量机(SVM)检测器,用于目标检测。

c 复制代码
void setSVMDetector(vector<float> detector)
detector: SVM权重向量,可以通过训练获得或使用OpenCV提供的默认检测器。

compute 用于计算图像区域的HOG描述符。

c 复制代码
void compute(InputArray img, vector<float>& descriptors, 
             const Size winStride=Size(), const vector<Point>& locations=vector<Point>()); 
    img: 输入图像,应该为灰度图像。
    descriptors: 输出的HOG描述符。
    winStride: 窗口滑动步长。
    locations: 指定需要计算的特定位置。

detectMultiScale 多尺度检测目标。

c 复制代码
void detectMultiScale(Mat image, vector<Rect>& foundLocations, 
                      double hitThreshold=0, Size winStride=Size(),
                      Size padding=Size(), double scale=1.05, int finalThreshold=2,
                      bool useMeanshiftGrouping=false)
                      
    image: 输入图像。
    foundLocations: 输出矩形框列表,表示检测到的目标位置。
    hitThreshold: 决定检测是否成功的阈值。
    winStride: 滑动窗口的步长。
    padding: 检测窗口的填充大小。
    scale: 图像金字塔的比例因子。
    finalThreshold: 需要的邻居数量。
    useMeanshiftGrouping: 是否使用均值漂移分组来合并候选矩形框。

示例

c 复制代码
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
    // 读取图像文件 "D:/vcprojects/images/HOGV.png" 到 Mat 对象 src 中
    Mat src = imread("D:/vcprojects/images/HOGV.png");
    
    // 如果图像加载失败,则输出错误信息并返回 -1 终止程序
    if (src.empty()) {
        printf("could not load image...\n");
        return -1;
    }
    
    // 创建一个名为 "input image" 的窗口,大小根据图像自动调整
    namedWindow("input image", CV_WINDOW_AUTOSIZE);
    
    // 在 "input image" 窗口中显示图像 src
    imshow("input image", src);

    
    // 初始化 HOGDescriptor,默认设置用于检测人的SVM检测器
    HOGDescriptor hog = HOGDescriptor();
    hog.setSVMDetector(hog.getDefaultPeopleDetector());

    // 定义一个向量 foundLocations 来存储检测到的人体矩形框的位置
    vector<Rect> foundLocations;
    
    // 使用 detectMultiScale 函数在图像 src 中查找人体
    // 参数解释:输入图像、输出矩形框列表、检测阈值、窗口滑动步长、最小窗口尺寸、搜索窗口每次迭代的增长率、需要的邻居数量
    hog.detectMultiScale(src, foundLocations, 0, Size(8, 8), Size(32, 32), 1.05, 2);
    
    // 复制源图像到结果图像 result 中,以便可以在上面绘制检测到的对象
    Mat result = src.clone();
    
    // 遍历所有检测到的矩形框,在结果图像上绘制红色边框
    for (size_t t = 0; t < foundLocations.size(); t++) {
        rectangle(result, foundLocations[t], Scalar(0, 0, 255), 2, 8, 0);
    }
    
    // 创建一个名为 "HOG SVM Detector Demo" 的窗口来显示检测结果
    namedWindow("HOG SVM Detector Demo", CV_WINDOW_AUTOSIZE);
    
    // 在 "HOG SVM Detector Demo" 窗口中显示带有矩形框的结果图像
    imshow("HOG SVM Detector Demo", result);

    // 等待用户按键事件,参数为0表示无限期等待
    waitKey(0);
    
    // 正常退出程序
    return 0;
}
相关推荐
笑衬人心。12 分钟前
初学Spring AI 笔记
人工智能·笔记·spring
luofeiju22 分钟前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数
测试者家园24 分钟前
基于DeepSeek和crewAI构建测试用例脚本生成器
人工智能·python·测试用例·智能体·智能化测试·crewai
张较瘦_28 分钟前
[论文阅读] 人工智能 + 软件工程 | Call Me Maybe:用图神经网络增强JavaScript调用图构建
论文阅读·人工智能·软件工程
大模型真好玩29 分钟前
准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(四)——微软GraphRAG代码实战
人工智能·python·mcp
Baihai_IDP42 分钟前
vec2text 技术已开源!一定条件下,文本嵌入向量可“近乎完美地”还原
人工智能·面试·llm
江太翁1 小时前
Pytorch torch
人工智能·pytorch·python
拓端研究室1 小时前
专题:2025即时零售与各类人群消费行为洞察报告|附400+份报告PDF、原数据表汇总下载
大数据·人工智能
网安INF1 小时前
深度学习中的逻辑回归:从原理到Python实现
人工智能·python·深度学习·算法·逻辑回归
Despacito0o1 小时前
ESP32-s3摄像头驱动开发实战:从零搭建实时图像显示系统
人工智能·驱动开发·嵌入式硬件·音视频·嵌入式实时数据库