一、概述
前面看到如何使用HOG去提取一张图像的中的局部目标的特征，那么得到了这些特征之后，用来做什么，OpencCV的官方给了一个使用HOG进行行人检测的样例。所加载的分类器是官方已经训练好的，而OpenCV官方自带的分类器是利用Navneet Dalal和Bill Triggs提供的样本进行训练的，并利用线性SVM作为分类器，从而实现行人检测。
二.代码实现
#pragma once#include <iostream>#include <string>#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <opencv2/objdetect/objdetect.hpp>#include <opencv2/ml/ml.hpp>#include <opencv2\opencv.hpp>#include<ctime>using namespace std;using namespace cv;using namespace cv::ml;class HogDetection{public:HogDetection();HogDetection(Mat _src);~HogDetection();Mat hogSvm();private:Mat src;};
实现文件：
#include "HogDetection.h"#include <opencv2\xfeatures2d\nonfree.hpp>HogDetection::HogDetection(){}HogDetection::HogDetection(Mat _src){src = _src;}HogDetection::~HogDetection(){}Mat HogDetection::hogSvm(){//外接矩形数组vector<Rect> found, found_filtered; clock_t start, end;start = clock();//HOG特征检测器HOGDescriptor hog;//设置SVM分类器为默认参数hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//对图像进行多尺度检测，检测窗口移动步长为(8,8)hog.detectMultiScale(src, found, 0, Size(2, 2), Size(0, 0), 1.05, 2);end = (double)(1000 * (clock() - start) / CLOCKS_PER_SEC);cout << "HOG Detection time: "<<end << "ms!" << endl;//找出所有没有嵌套的矩形框r,并放入found_filtered中,如果有嵌套的话,则取外面最大的那个矩形框放入found_filtered中for (int i = 0; i < found.size(); i++){Rect r = found[i];int j = 0;for (; j < found.size(); j++){if (j != i && (r & found[j]) == r){break;}}if (j == found.size()){found_filtered.push_back(r);}}//画矩形框，因为hog检测出的矩形框比实际人体框要稍微大些,所以这里需要做一些调整for (int 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(src, r.tl(), r.br(), Scalar(0, 0, 255), 3);}return src;}
主函数：
#include "HogDetection.h"using namespace std;using namespace cv;using namespace cv::ml;int main(void){Mat src = imread("C:/Users/matt/Desktop/demo/05.jpg");namedWindow("src", WINDOW_NORMAL);imshow("src", src);HogDetection hogDet(src);Mat svm_dst = hogDet.hogSvm();namedWindow("HOGSVM", WINDOW_NORMAL);imshow("HOGSVM", svm_dst);waitKey(0);return 0;}
运行结果：
3.运行得到的结果并不见得都能适用个人项目的应用场合。因此，针对个人的特定应用场景，有时候很有必要进行重新训练得到适合自己使用的分类器。
后记
1.关于整个工程的源码，运行程序时的bug,或者有如何优代码的想法都可以加这个群(487350510)互相讨论学习。
