HOG+SVM行人检测, 车标识别

版权声明：belongs to tony2278 https://blog.csdn.net/tony2278/article/details/88615222

1  opencv学习笔记（七）SVM+HOG               

        方向梯度直方图（Histogram of Oriented Gradient,HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度直方图来构成特征。Hog特征结合SVM分类器已经被广泛用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究院Dalal在2005的CVPR上提出的。

　　最近在做车标识别相关的研究，用到了SVM+HOG的方法进行识别，下面的例子，使用的数据样本是6类车标：本田、大众、丰田、现代、马自达和雪铁龙。

2  HOG+SVM行人检测

         python版本和C++版本的demo，数据集是直接下载了别人的，这些都会附在文章的最后。 
网上也有很多介绍HOG的不错的文章：

HOG+SVM行人检测的两种方法 
目标检测的图像特征提取之（一）HOG特征 
python+opencv3.4.0 实现HOG+SVM行人检测

程序实现
       基于python和c++写的demo思想上都是一样的，无非就是从数据集读入正负样本，提取HOG特征，送入SVM训练。而检测时，则使用训练好的SVM来识别滑动窗口中的ROI，也可以设置多尺寸，即使用滑动窗口中的ROI的图像金字塔，对多尺寸图像进行检测。这些在OpenCV中都实现好了，我们就不重复造轮子了。