2022-11-11 来源：华纳网 责任编辑：谷雨老师 人气：
核心提示：本课内容： 大家好，欢迎来到谷雨课堂 大家好， 在很多应用场景中， 需要统计或检测人的行为， 比如道路或商场里， 这种需求就非常常见， 那么， 本节我们使用OpenCV进行行人检测， 在OpenCV里， 默认就提供了HOG检测器， 用这个检测器检测行人， 效果已经很

本课内容：

大家好，欢迎来到谷雨课堂

 

大家好，

在很多应用场景中，

需要统计或检测人的行为，

比如道路或商场里，

这种需求就非常常见，

 

那么，

本节我们使用OpenCV进行行人检测，

在OpenCV里，

默认就提供了HOG检测器，

用这个检测器检测行人，

效果已经很好了，

以下是本节的全部源代码：

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
#coding:utf-8#No.35 视觉检测之行人检测import cv2

class GuyuCV(object):def __init__(self):# 获取HOG检测器对象self.hog = cv2.HOGDescriptor()# 设置检测人的默认检测器self.hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())        print("HOG模型加载完成！")       
def detect_img(self, img):        found, w = self.hog.detectMultiScale(img)
# 将每一个方块画出来for person in found:            x, y, w, h = person            cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 255), 2)
return img

guyu = GuyuCV()img = cv2.imread("1.png")result = guyu.detect_img(img)cv2.imshow("Guyu Search Result", result)cv2.waitKey()

 

扩展阅读

        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方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。

 

        在一副图像中，局部目标的表象和形状（appearance and shape）能够被梯度或边缘的方向密度分布很好地描述。

 

        首先将图像分成小的连通区域，我们把它叫细胞单元。然后采集细胞单元中各像素点的梯度的或边缘的方向直方图。最后把这些直方图组合起来就可以构成特征描述器。

        把这些局部直方图在图像的更大的范围内（我们把它叫区间或block）进行对比度归一化（contrast-normalized），所采用的方法是：先计算各直方图在这个区间（block）中的密度，然后根据这个密度对区间中的各个细胞单元做归一化。通过这个归一化后，能对光照变化和阴影获得更好的效果.

 

        与其他的特征描述方法相比，HOG有很多优点。首先，由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上。其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果。因此HOG特征是特别适合于做图像中的人体检测的.

 

        方向梯度是图像梯度的方向或朝向。Hog就是一张有关图像梯度方向的直方图。首先HOG会接受一张图像，然后计算每个像素的梯度幅度和方向。

 

 

完整的源代码可以登录【华纳网】下载。

 

https://www.worldwarner.com/





 





免责声明：本文仅代表作者个人观点，与华纳网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
精彩推荐