本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.HOG特征检测
👉【论文阅读】Histograms of Oriented Gradients for Human Detection。
2.cv::HOGDescriptor
使用cv::HOGDescriptor构建HOGDescriptor对象。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
cv::HOGDescriptor::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,
bool _signedGradient = false
)
参数详解：
_winSize：检测窗口大小。HOG原文和API的默认值都是$64 \times 128$。_blockSize：block的大小（单位是像素）。HOG原文和API默认值都是$(16,16)$。_blockStride：block滑动步长（单位是像素）。HOG原文和API默认值都是$(8,8)$。_cellSize：cell的大小（单位是像素）。HOG原文和API默认值都是$(8,8)$。_nbins：直方图bin的数量。HOG原文和API默认值都是9个。_derivAperture：官方文档中没有对这个参数的详细解释。cv::Canny中有个参数apertureSize指的是Sobel算子的size。这里该参数的默认值为1，即Sobel算子的size为1，刚好就是HOG原文中认为最好的计算梯度的方式：$[-1,0,1]$。此外，该参数还被质疑并没有在HOGDescriptor class中被使用，详见github issue：derivAperture, histogramNormType not used in HOGDescriptor。_winSigma：个人理解是HOG原文中Gaussian spatial window的$\sigma$值，用于对梯度幅值进行高斯加权，原文默认值是8。API中默认值是-1，猜测可能是不进行高斯加权的意思。在这里找到的解释是“Gaussian smoothing window parameter.”，但HOG原文中提到过在梯度计算之前就对原始图像进行平滑会使性能下降。_histogramNormType：归一化方式。HOG原文中提到了4种归一化方式：L2-norm、L2-Hys、L1-norm、L1-sqrt。这里默认是L2-Hys归一化。_L2HysThreshold：L2-Hys归一化对最大值的限制，详见HOG原文，默认值为0.2。_gammaCorrection：是否使用gamma correction。_nlevels：在这里找到了对该参数的定义：“Maximum number of detection window increases.”，即检测窗口最多可增加的数量。_signedGradient：是否使用带符号的梯度，详见HOG原文。
3.cv::HOGDescriptor::compute
使用compute函数来计算HOG特征。
1
2
3
4
5
6
7
virtual void cv::HOGDescriptor::compute (
InputArray img,
std::vector< float > & descriptors,
Size winStride = Size(),
Size padding = Size(),
const std::vector< Point > & locations = std::vector< Point >()
) const
参数详解：
img：用于计算HOG特征的输入图像，类型为CV_8U。descriptors：计算得到的HOG特征向量，类型为CV_32F。如果检测窗口的大小为$64 \times 128$，block、cell、步长等参数都是默认值，那么一个窗口有$7 \times 15 = 105$个block，其特征向量长度为$105 \times 36 = 3780$。winStride：检测窗口的步长，必须是block步长的倍数。padding：用于对输入图像做padding。locations：检测到的特征点。
核心实现代码：
1
2
3
4
HOGDescriptor detector(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9);
vector<float> descriptors;
vector<Point> locations;
detector.compute(dst_gray, descriptors, Size(0, 0), Size(0, 0), locations);
4.HOG+SVM实现对行人检测
核心实现代码：
1
2
3
4
HOGDescriptor hog = HOGDescriptor();
hog.setSVMDetector(hog.getDefaultPeopleDetector());
vector<Rect> foundLocations;
hog.detectMultiScale(src, foundLocations, 1, Size(8, 8), Size(32, 32), 1.05, 2);
4.1.cv::HOGDescriptor::getDefaultPeopleDetector
1
static std::vector<float> cv::HOGDescriptor::getDefaultPeopleDetector ( )
返回为行人检测已经训练好的分类器的系数（适用于$64 \times 128$的检测窗口）。一个检测窗口得到的HOG特征向量长度为3780，但还要考虑到偏置项$b$，所以这里这个函数返回的系数会是3781维的。
opencv已经预训练好了一个线性SVM行人检测模型。
4.2.cv::HOGDescriptor::setSVMDetector
1
virtual void cv::HOGDescriptor::setSVMDetector ( InputArray _svmdetector )
设置线性SVM分类器的系数。上述例子中我们直接使用opencv已经训练好的SVM模型。
4.3.cv::HOGDescriptor::detectMultiScale
用于检测输入图像中大小不同的目标。检测到的目标以矩形列表的形式返回。
1
2
3
4
5
6
7
8
9
10
11
virtual void cv::HOGDescriptor::detectMultiScale (
InputArray img,
std::vector< Rect > & foundLocations,
std::vector< double > & foundWeights,
double hitThreshold = 0,
Size winStride = Size(),
Size padding = Size(),
double scale = 1.05,
double groupThreshold = 2.0,
bool useMeanshiftGrouping = false
) const
img：输入图像。类型为CV_8U或CV_8UC3。foundLocations：一个元素为rect的vector，每个rect对应一个被检测到的目标。foundWeights：一个vector，对应每个被检测目标的confidence。hitThreshold：是针对HOG特征向量到SVM分类平面的欧氏距离的一个阈值。通常设为0。当距离大于该阈值时，检测结果被接受，否则检测结果会被拒绝。设置此参数可有效降低假阳的出现。winStride：检测窗口的步长，必须是block步长的倍数。padding：对输入图像的padding操作。scale：用于缩放检测窗口的大小。groupThreshold：同一个目标可能会被多个检测框圈住，因此我们可以对这些检测框进行聚类。该参数用于指定聚类的半径。检测框中心距离小于groupThreshold的将会被聚类成一个框。如果该参数为0，则表示不进行聚类操作。opencv有的版本也将该参数写为finalThreshold。useMeanshiftGrouping：聚类的算法。
另一种重载形式：
1
2
3
4
5
6
7
8
9
10
virtual void cv::HOGDescriptor::detectMultiScale (
InputArray img,
std::vector< Rect > & foundLocations,
double hitThreshold = 0,
Size winStride = Size(),
Size padding = Size(),
double scale = 1.05,
double groupThreshold = 2.0,
bool useMeanshiftGrouping = false
) const
检测结果：
