【OpenCV】101 HOG特征描述子—多尺度检测

101 HOG特征描述子—多尺度检测

代码

import cv2 as cv

if __name__ == '__main__':
    src = cv.imread("../images/pedestrian.png")
    cv.imshow("input", src)
    hog = cv.HOGDescriptor()
    hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())
    # Detect people in the image
    (rects, weights) = hog.detectMultiScale(src,
                                            winStride=(4, 4),
                                            padding=(8, 8),
                                            scale=1.25,
                                            useMeanshiftGrouping=False)
    for (x, y, w, h) in rects:
        cv.rectangle(src, (x, y), (x + w, y + h), (0, 255, 0), 2)

    cv.imshow("hog-detector", src)
    cv.waitKey(0)
    cv.destroyAllWindows()

实验结果

解释

HOG(Histogram of Oriented Gradient)特征本身不支持旋转不变性，通过金字塔可以支持多尺度检测实现尺度空间不变性，OpenCV中支持HOG描述子多尺度检测的相关API如下：
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 finalThreshold = 2.0,
bool useMeanshiftGrouping = false
)

foundLocations  = cv.HOGDescriptor.detectMultiScale(img, hitThreshold, winStride, padding, scale, finalThreshold, useMeanshiftGrouping)

• foundLocations 表示发现对象矩形框
• img 表示输入图像
• hitThreshold 表示SVM距离度量，默认0表示，表示特征与SVM分类超平面之间
• winStride 表示窗口步长
• padding 表示填充
• scale 表示尺度空间
• finalThreshold 最终阈值，默认为2.0
• useMeanshiftGrouping 不建议使用，速度太慢拉

这个其中窗口步长与Scale对结果影响最大，特别是Scale，小的尺度变化有利于检出低分辨率对象，同事也会导致FP发生，高的可以避免FP但是会产生FN（有对象漏检）。窗口步长是一个或者多个block区域，关于Block区域可以看第一张图：

---

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。