【OpenCV】105 HOG特征描述子—使用HOG进行对象检测

105 HOG特征描述子—使用HOG进行对象检测

代码

import cv2 as cv
import numpy as np

if __name__ == '__main__':
    image = cv.imread("../images/elec_watch/test/scene_08.jpg")
    test_img = cv.resize(image, (0, 0), fx=0.2, fy=0.2)
    cv.imshow("input", test_img)
    gray = cv.cvtColor(test_img, cv.COLOR_BGR2GRAY)
    print(test_img.shape)
    h, w = test_img.shape[:2]
    svm = cv.ml.SVM_load('svm_data.dat')
    sum_x = 0
    sum_y = 0
    count = 0
    hog = cv.HOGDescriptor()
    for row in range(64, h-64, 4):
        for col in range(32, w-32, 4):
            win_roi = gray[row-64:row+64,col-32:col+32]
            hog_desc = hog.compute(win_roi, winStride=(8, 8), padding=(0, 0))
            one_fv = np.zeros([len(hog_desc)], dtype=np.float32)
            for i in range(len(hog_desc)):
                one_fv[i] = hog_desc[i][0]
            one_fv = np.reshape(one_fv, [-1, len(hog_desc)])
            result = svm.predict(one_fv)[1]
            if result[0][0] > 0:
                sum_x += (col-32)
                sum_y += (row-64)
                count += 1
                # cv.rectangle(test_img, (col-32, row-64), (col+32, row+64), (255, 0, 0), 2, 8, 0)
    x = sum_x // count
    y = sum_y // count
    cv.rectangle(test_img, (x, y), (x+64, y+128), (0, 0, 255), 2, 8, 0)
    cv.imshow("result", test_img)
    cv.waitKey(0)
    cv.destroyAllWindows()

实验结果

解释

对于已经训练好的HOG+SVM的模型，我们可以通过开窗实现对象检测，从而完成自定义对象检测。以电表检测为例，这样我们就实现HOG+SVM对象检测全流程。OpenCV中实现对每个窗口像素块预测，需要首先加载SVM模型文件，然后使用predict方法实现预测。这种方法的缺点就是开窗检测是从左到右、从上到下，是一个高耗时的操作，所以步长选择一般会选择HOG窗口默认步长的一半，这样可以减少检测框的数目，同时在predict时候会发现多个重复框，求取它们的平均值即可得到最终的检测框。

---

所有内容均来源于贾志刚老师的知识星球——OpenCV研习社，本文为个人整理学习，已获得贾老师授权，有兴趣、有能力的可以加入贾老师的知识星球进行深入学习。