OpenCV的 - 使用SVM和HOG用于人员检测

Question

我所知，来完成这项任务所需的步骤：

1. 收集训练集（正面和负面套）。
2. 提取要用于训练SVM的每个图像的猪描述符（当前为'1'类标签为正，'-1'类为负类标签）。
3. 将训练的SVM设置为HOGDescriptor并使用detect/detectMultiscale。

我已经完成了上述所有步骤。我只是困惑，HOGDescriptor.detect/detectMultiscale检测到哪个类？它是否仅检测正面类别标签（1）？

Answer 1

在计算机视觉中，视觉描述符或图像描述符（即，HoG）是图像内容的视觉特征的描述。他们描述了诸如形状，颜色，纹理或运动等基本特征。因此，HoG描述符仅描述了图像中显示的场景 - 即在街上行走的行人，您可以在下面看到示例HoG描述符（HoG仅计算图像的局部部分中梯度方向的出现）：

支持向量机是用于分类，回归和异常值检测的一组监督学习方法。但最初，支持向量机是一种用于构建最佳二元（2级）分类器的技术，所以支持向量机决定了描述符的含义。因此，HoG的输出是SVM的输入，后者的输出是+1或-1。

OpenCV提供了一个隐藏此操作的接口，可以通过函数调用完成全部对象检测。这是HOGDescriptor::detectMultiScale()所做的，它使用多尺度窗口执行对象检测。一旦cv::HOGDescriptor hog实例将被宣布，那么SVM分类的系数应该也做：

hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector()); 

然后detectMultiScale()执行完整的对象检测（描述符提取和二元分类在一起），并返回的边框每个考生：

std::vector<cv::Rect> found; 
hog.detectMultiScale(frame, found, 0, cv::Size(8,8), cv::Size(32,32), 1.05, 2);