目标检测：HOG特征和OpenCV中的实现

目标检测：HOG特征和OpenCV中的实现2015-05-21关于HOG特征可以看http://blog.csdn.net/zouxy09/article/details/7929348和http://www.cnblogs.com/tornadomeet/archive/2012/08/15/2640754.html，

关于OpenCV HOGDescriptor参数图解可以参考这里http://blog.csdn.net/raodotcong/article/details/6239431；

现在利用HOG特征来进行行人检测，既然要有了特征，现在其实要有一个方法来判断是否一个图片的某一部分是行人，SVM是一个很好的机器学习方法，可以用来分类，结合HOG特征就可以用来检测图片中的行人。OpenCV中集成了一个方法，getDefaultPeopleDetector等可以直接得到一个SVM的分类器，这个分类器是OpenCV自带的已经训练好的，可以直接拿来使用。下面可以看一下使用它的代码。

OpenCV自带SVM分类器使用:

#include <iostream>#include <opencv2/opencv.hpp> using namespace cv; int main（int argc, char** argv）{cv::Mat image = cv::imread（"G:\视频分析入门练习\视频分析入门练习 - 附件\testingdata for HOG\frame_0061.jpg"）; if （image.empty（））{std::cout << "read imagefailed"<< std::endl;}// 1. 定义HOG对象cv::HOGDescriptor hog; // 采用默认参数// 2. 设置SVM分类器hog.setSVMDetector（cv::HOGDescriptor::getDefaultPeopleDetector（））; // 采用已经训练好的行人检测分类器 // 3. 在测试图像上检测行人区域std::vector<cv::Rect> regions;hog.detectMultiScale（image, regions, 0, cv::Size（8, 8）, cv::Size（32, 32）, 1.05, 1）; // 显示for （size_t i = 0; i < regions.size（）; i++）{cv::rectangle（image, regions[i], cv::Scalar（0, 0, 255）,2）;//对判定是行人的区域画一个正方形标记一下。} cv::imshow（"hog", image）;cv::waitKey（0）; return 0;}

结果：