OpenCV使用HOGDescriptor实现行人检测

一、概述

　　案例：使用HOGDescriptor实现行人检测

　　实现步骤：

　　　　1.载入图像

　　　　2.图像灰度化

　　　　3.实例化HOGDescriptor，并使用SVM检测器来检测行人

　　　　4.使用detectMultScale在不同的尺度空间上实现行人检测

　　　　5.将4中检测到的行人矩形框绘制出来，并输出最终结果

　　在多尺度空间检测的API介绍：

detectMultiScale(InputArray img, CV_OUT std::vector<Rect>& foundLocations,
                                  double hitThreshold = 0, Size winStride = Size(),
                                  Size padding = Size(), double scale = 1.05,
                                  double finalThreshold = 2.0, bool useMeanshiftGrouping = false)
img：输入的灰度图像
foundLocations：检测结果（行人外接矩形）
hitThreshold：特征与SVM分类平面之间距离的阈值。通常为0，应在检测器系数中指定（作为最后一个自由系数）
winStride:窗口步长
padding:填充
scale：检测窗口增加的比例系数
finalThreshold：最终阀值，默认2.0
useMeanshiftGrouping：分组算法，默认false，一般不用，因为速度较慢

　　ps：一般情况下detectMultiScale使用默认参数就行

　　

二、代码示例

Mat src = imread(filePath);
    if(src.empty()){
        qDebug()<<"图像为空";
        return;
    }
    Mat gray;
    cvtColor(src,gray,COLOR_BGR2GRAY);

    //hog+svm实现行人检测
    HOGDescriptor hog = HOGDescriptor();
    hog.setSVMDetector(hog.getDefaultPeopleDetector());//使用hog svm实现行人检测
    //多尺度空间检测
    vector<Rect> foundLocations;//检测到行人的矩形区域
    hog.detectMultiScale(src,foundLocations);//后面的参数使用默认就行，这是opencv的经验值
//    hog.detectMultiScale(src, foundLocations, 0, Size(1, 1), Size(8, 8), 1.05, 2);
    //将行人矩形框绘制出来
    Mat result = src.clone();
    for(size_t i =0;i<foundLocations.size();i++){
        rectangle(result,foundLocations[i],Scalar(0,0,255),2,8,0);
    }
    imshow("result",result);
    pixmap = imageutils::matToQPixmap(result);
    label->setPixmap(pixmap.scaled(this->size(),Qt::KeepAspectRatio,Qt::SmoothTransformation));

 

三、图片演示