- 操作系统:ubuntu22.04
- OpenCV版本:OpenCV4.9
- IDE:Visual Studio Code
- 编程语言:C++11
算法描述
cv::cuda::HOG 是 OpenCV 的 CUDA 模块中对 HOG 特征提取和目标检测 提供的 GPU 实现。它与 CPU 版本的 cv::HOGDescriptor 类似,但利用了 GPU 的并行计算能力以提高性能。
公共成员函数
创建与初始化
函数 | 描述 |
---|---|
static Ptr cv::cuda::HOG::create() | 创建一个默认配置的 HOG 对象。 |
void setSVMDetector(InputArray _svmDetector) | 设置 SVM 分类器权重向量,用于检测特定目标(如行人)。 |
参数设置(与 HOG 特征相关)
函数 | 描述 |
---|---|
void setWinSize(Size winSize) | 设置检测窗口大小(必须是 cell 大小的整数倍)。 |
void setBlockSize(Size blockSize) | 设置 block 的大小(单位:像素)。 |
void setCellSize(Size cellSize) | 设置 cell 的大小(单位:像素)。 |
void setBinCount(int nBins) | 设置每个 cell 的方向直方图 bin 数量。 |
void setBlockStride(Size blockStride) | 设置 block 移动步长(单位:像素)。 |
void setDerivativeAperture(int derivAperture) | 设置图像平滑/导数计算的孔径大小。 |
void setWinSigma(double winSigma) | 高斯窗口的标准差。 |
void setHistogramNormType(int histogramNormType) | 设置直方图归一化方式(L2Hys, L1, L1Sqrt, L2)。 |
void setL2HysNormalization(bool l2HysNormalization) | 是否启用 L2-Hys 归一化。 |
void setGammaCorrection(bool gammaCorrection) | 是否启用伽马校正。 |
void setNumLevels(int numLevels) | 设置金字塔层数。 |
检测方法
函数 | 描述 |
---|---|
void detectMultiScale(InputArray img, OutputArray foundLocations, double hitThreshold = 0, Size winStride = Size(), Size padding = Size()) | 在图像中多尺度检测目标,并返回检测到的位置(矩形框)。 |
示例代码(GPU 上的行人检测)
cpp
#include <opencv2/cudaobjdetect.hpp>
#include <opencv2/opencv.hpp>
int main()
{
// 创建 HOG 对象
cv::Ptr< cv::cuda::HOG > hog = cv::cuda::HOG::create();
// 设置 SVM 分类器(行人检测)
std::vector< float > detector = cv::HOGDescriptor::getDefaultPeopleDetector();
hog->setSVMDetector( detector );
// 读取图像(默认为 BGR 三通道)
cv::Mat frame = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/00001.jpg" );
if ( frame.empty() )
{
std::cerr << "无法读取图像!" << std::endl;
return -1;
}
// 转换为灰度图(CV_8UC1)
cv::Mat gray_frame;
cv::cvtColor( frame, gray_frame, cv::COLOR_BGR2GRAY );
// 上传到 GPU
cv::cuda::GpuMat d_frame( gray_frame );
// 执行检测
std::vector< cv::Rect > found_locations;
hog->detectMultiScale( d_frame, found_locations );
// 绘制检测结果
for ( const auto& r : found_locations )
{
cv::rectangle( frame, r, cv::Scalar( 0, 0, 255 ), 2 );
}
cv::imshow( "Pedestrian Detection", frame );
cv::waitKey( 0 );
return 0;
}
运行结果

效果仅供演示,要想效果专业一下,得自己去训练模型了。