OpenCV中的 HOGDescriptor 类

其定义在 object.hpp中找到的：struct CV_EXPORTS_W HOGDescriptor
{
public:
enum { L2Hys=0 };
enum { DEFAULT_NLEVELS=64 }; CV_WRAP HOGDescriptor（） : winSize（64,128）, blockSize（16,16）, blockStride（8,8）,
cellSize（8,8）, nbins（9）, derivAperture（1）, winSigma（-1）,
histogramNormType（HOGDescriptor::L2Hys）, L2HysThreshold（0.2）, gammaCorrection（true）,
nlevels（HOGDescriptor::DEFAULT_NLEVELS）
{} CV_WRAP HOGDescriptor（Size _winSize, Size _blockSize, Size _blockStride,
Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1,
int _histogramNormType=HOGDescriptor::L2Hys,
double _L2HysThreshold=0.2, bool _gammaCorrection=false,
int _nlevels=HOGDescriptor::DEFAULT_NLEVELS）
: winSize（_winSize）, blockSize（_blockSize）, blockStride（_blockStride）, cellSize（_cellSize）,
nbins（_nbins）, derivAperture（_derivAperture）, winSigma（_winSigma）,
histogramNormType（_histogramNormType）, L2HysThreshold（_L2HysThreshold）,
gammaCorrection（_gammaCorrection）, nlevels（_nlevels）
{} CV_WRAP HOGDescriptor（const String& filename）
{
load（filename）;
} HOGDescriptor（const HOGDescriptor& d）
{
d.copyTo（*this）;
} virtual ~HOGDescriptor（） {} CV_WRAP size_t getDescriptorSize（） const;
CV_WRAP bool checkDetectorSize（） const;
CV_WRAP double getWinSigma（） const; CV_WRAP virtual void setSVMDetector（InputArray _svmdetector）; virtual bool read（FileNode& fn）;
virtual void write（FileStorage& fs, const String& objname） const; CV_WRAP virtual bool load（const String& filename, const String& objname=String（））;
CV_WRAP virtual void save（const String& filename, const String& objname=String（）） const;
virtual void copyTo（HOGDescriptor& c） const; CV_WRAP virtual void compute（const Mat& img,
CV_OUT vector<float>& descriptors,
Size winStride=Size（）, Size padding=Size（）,
const vector<Point>& locations=vector<Point>（）） const;
//with found weights output
CV_WRAP virtual void detect（const Mat& img, CV_OUT vector<Point>& foundLocations,
CV_OUT vector<double>& weights,
double hitThreshold=0, Size winStride=Size（）,
Size padding=Size（）,
const vector<Point>& searchLocations=vector<Point>（）） const;
//without found weights output
virtual void detect（const Mat& img, CV_OUT vector<Point>& foundLocations,
double hitThreshold=0, Size winStride=Size（）,
Size padding=Size（）,
const vector<Point>& searchLocations=vector<Point>（）） const;
//with result weights output
CV_WRAP virtual void detectMultiScale（const Mat& img, CV_OUT vector<Rect>& foundLocations,
CV_OUT vector<double>& foundWeights, double hitThreshold=0,
Size winStride=Size（）, Size padding=Size（）, double scale=1.05,
double finalThreshold=2.0,bool useMeanshiftGrouping = false） const;
//without found weights output
virtual void detectMultiScale（const Mat& img, CV_OUT vector<Rect>& foundLocations,
double hitThreshold=0, Size winStride=Size（）,
Size padding=Size（）, double scale=1.05,
double finalThreshold=2.0, bool useMeanshiftGrouping = false） const; CV_WRAP virtual void computeGradient（const Mat& img, CV_OUT Mat& grad, CV_OUT Mat& angleOfs,
Size paddingTL=Size（）, Size paddingBR=Size（）） const; CV_WRAP static vector<float> getDefaultPeopleDetector（）;
CV_WRAP static vector<float> getDaimlerPeopleDetector（）; CV_PROP Size winSize;
CV_PROP Size blockSize;
CV_PROP Size blockStride;
CV_PROP Size cellSize;
CV_PROP int nbins;
CV_PROP int derivAperture;
CV_PROP double winSigma;
CV_PROP int histogramNormType;
CV_PROP double L2HysThreshold;
CV_PROP bool gammaCorrection;
CV_PROP vector<float> svmDetector;
CV_PROP int nlevels;
// evaluate specified ROI and return confidence value for each location
void detectROI（const cv::Mat& img, const vector<cv::Point> &locations,
CV_OUT std::vector<cv::Point>& foundLocations, CV_OUT std::vector<double>& confidences,
double hitThreshold = 0, cv::Size winStride = Size（）,
cv::Size padding = Size（）） const; // evaluate specified ROI and return confidence value for each location in multiple scales
void detectMultiScaleROI（const cv::Mat& img,
CV_OUT std::vector<cv::Rect>& foundLocations,
std::vector<DetectionROI>& locations,
double hitThreshold = 0,
int groupThreshold = 0） const; // read/parse Dalal"s alt model file
void readALTModel（std::string modelfile）;
};默认构造函数的几个参数：winSize（64,128）, blockSize（16,16）, blockStride（8,8）,
cellSize（8,8）, nbins（9）, derivAperture（1）, winSigma（-1）,
histogramNormType（HOGDescriptor::L2Hys）, L2HysThreshold（0.2）, gammaCorrection（true）,
nlevels（HOGDescriptor::DEFAULT_NLEVELS）winSize ：窗口的大小
blockSize ：块的大小
cellSize：胞元的大小
nbins：方向bin的个数 nBins表示在一个胞元（cell）中统计梯度的方向数目，例如nBins=9时，在一个胞元内统计9个方向的梯度直方图，每个方向为360/9=40度。更详细请移步： http://www.linuxidc.com/Linux/2014-11/109146.htm更多详情见请继续阅读下一页的精彩内容： http://www.linuxidc.com/Linux/2014-11/109157p2.htm--------------------------------------分割线 --------------------------------------Ubuntu Linux下安装OpenCV2.4.1所需包 http://www.linuxidc.com/Linux/2012-08/68184.htmUbuntu 12.04 安装 OpenCV2.4.2 http://www.linuxidc.com/Linux/2012-09/70158.htmCentOS下OpenCV无法读取视频文件 http://www.linuxidc.com/Linux/2011-07/39295.htmUbuntu 12.04下安装OpenCV 2.4.5总结 http://www.linuxidc.com/Linux/2013-06/86704.htmUbuntu 10.04中安装OpenCv2.1九步曲 http://www.linuxidc.com/Linux/2010-09/28678.htm基于QT和OpenCV的人脸识别系统 http://www.linuxidc.com/Linux/2011-11/47806.htm--------------------------------------分割线 --------------------------------------