OpenCV人形检测Hog

#include "iostream"
#include "queue"
using namespace std;
#include "opencv2/opencv.hpp"
#include "Windows.h"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/objdetect/objdetect.hpp"
using namespace cv;

int main()
{
    try{

        IplImage *pFrame = NULL;
        CvCapture *pCapture = NULL;
        //pCapture = cvCreateCameraCapture(-1);
        //pCapture = cvCaptureFromCAM(0);
        pCapture = cvCaptureFromFile("C:\\C_C++ code\\Photo and video\\TextVideo2.flv");
        //pCapture = cvCaptureFromFile("C:\\C_C++ code\\Photo and video\\TextVideo1.flv");
        if (!pCapture)
        {
            cout << "File opened fail..." << endl;
            return -1;
        }

        Mat img;
        HOGDescriptor hog;
        Rect r;
        int nNum = 0;
        hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());
        vector<Rect> found,found1;
        int i, j;
        char str[100];
        while (pFrame = cvQueryFrame(pCapture))
        {
            nNum++;
            Mat img = cvarrToMat(pFrame, 0); //IplImage turn into Mat

            if (nNum >= 3)
            {
                //进行检测
                hog.detectMultiScale(img, found);

                found1.clear();
                //-------------------去除嵌套的矩形框------------------------
                for (i = 0; i < found.size(); i++)
                {
                    r = found[i];
                    for (j = 0; j < found.size(); j++)
                    {
                        if ( i != j && ((r&found[j]) == r) )
                        {
                            break;
                        }
                    }
                    if (j == found.size())
                    {
                        found1.push_back(r);
                    }
                }
                //画长方形 框出行人

                for (i = 0; i < found1.size(); i++)
                {
                    r = found1[i];
                    rectangle(img, r, Scalar(0, 255, 0), 1);
                }
                nNum = 0;
            }

            for (int i = 0; i < found1.size(); i++)
            {
                r = found1[i];
                rectangle(img, r, Scalar(0, 255, 0), 1);
            }
            sprintf(str, "The track count is: %d", found1.size());

            putText(img, str, cvPoint(30, 30), CV_FONT_HERSHEY_PLAIN, 0.8,CV_RGB(0, 0, 250),1,8);

            imshow("Track People", img);
            if (cvWaitKey(35) >= 0)
                break;
        }
    }
    catch (exception &e)
    {
        cout << e.what() << endl;
    }

    return 1;
}

效果:

图片人形测试:

#include "iostream"
#include "queue"
using namespace std;
#include "opencv2/opencv.hpp"
#include "Windows.h"
#include "opencv2/core/core.hpp"
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/objdetect/objdetect.hpp"
int main(int argc, char** argv){
    Mat img;
    vector<Rect> found;

    img = imread("C:\\C_C++ code\\Photo and video\\text006.jpg");

    HOGDescriptor defaultHog;
    defaultHog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());

    //进行检测
    defaultHog.detectMultiScale(img, found);

    //画长方形,框出行人
    for (int i = 0; i < found.size(); i++){
        Rect r = found[i];
        rectangle(img, r, Scalar(0, 255, 0), 1);
    }
    namedWindow("检测行人", CV_WINDOW_AUTOSIZE);
    imshow("检测行人", img);

    waitKey(0);

    return 0;
}

边框嵌套去重:

int main(int argc, char** argv){
    Mat img;
    vector<Rect> found, foundRect;

    img = imread("C:\\C_C++ code\\Photo and video\\text007.jpg");

    HOGDescriptor defaultHog;
    defaultHog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());

    //进行检测
    defaultHog.detectMultiScale(img, found);

    //遍历found寻找没有被嵌套的长方形
    for (int i = 0; i < found.size(); i++){
        Rect r = found[i];

        int j = 0;
        for (; j < found.size(); j++){
            //如果时嵌套的就推出循环
            if (j != i && (r & found[j]) == r)
                break;
        }
        if (j == found.size()){
            foundRect.push_back(r);
        }
    }

    //画长方形,圈出行人
    for (int i = 0; i < foundRect.size(); i++){
        Rect r = foundRect[i];
        rectangle(img, r.tl(), r.br(), Scalar(0, 0, 255), 3);
    }

    namedWindow("检测行人", CV_WINDOW_AUTOSIZE);
    imshow("检测行人", img);

    waitKey(0);
    return 0;
}
int main()
{
    Mat image = imread("C:\\C_C++ code\\Photo and video\\text007jpg");
    imshow("hog", image);
    if (image.empty())
    {
        cout << "read image failed" << endl;
    }
    // 1. 定义HOG对象
    HOGDescriptor hog(Size(48,96), Size(16, 16), Size(8, 8), Size(8, 8), 9);

    // 2. 设置SVM分类器
    hog.setSVMDetector(HOGDescriptor::getDaimlerPeopleDetector());   // 采用已经训练好的行人检测分类器    

    // 3. 在测试图像上检测行人区域
    std::vector<cv::Rect> regions;
    hog.detectMultiScale(image, regions, 0, cv::Size(8, 8), cv::Size(32, 32), 1.05, 1);

    // 显示
    for (size_t i = 0; i < regions.size(); i++)
    {
        cv::rectangle(image, regions[i], cv::Scalar(0, 0, 255), 2);
    }

    cv::imshow("hog", image);
    cv::waitKey(0);

    return 0;
}
时间: 2024-10-03 07:00:58

OpenCV人形检测Hog的相关文章

OpenCV人脸检测(C++代码)

OpenCV人脸检测(C++代码)-- By wepon 这篇文章简单总结一下人脸检测的代码实现,基于OpenCV,C++版本.之所以强调C++版本是因为OpenCV有很多其他语言的接口,之前我也写过人脸检测的Python实现<Python-OpenCV人脸检测(代码)>,这篇文章则讲C++实现,其实大同小异,C++相比于Python实现代码写起来会繁琐一点,这也是语言本身决定的吧. 为了保持代码风格一致,C++实现与之前的Python实现一样,都将人脸检测.眼睛检测.框出人脸.框出眼睛.截取

OPENCV条形码检测与识别

条形码是当前超市和部分工厂使用比较普遍的物品,产品标识技术,使用摄像头检测一张图片的条形码包含有两个步骤,第一是定位条形码的位置,定位之后剪切出条形码,并且识别出条形码对应的字符串,然后就可以调用网络,数据库等手段快速进行后续处理. 条形码识别要考虑到条形码的特点,本文针对的是条形码在图片中的位置相对垂直,没有各种倾斜的那种条形码,如下图所示 要定位首先要检视这种条形码的特点,这种图像在X方向上的梯度肯定很明显,同时,Y方向的梯度就没这么明显,所以第一步,我们应该将图像的灰度图像分别计算梯度,用

OpenCV运动目标检测——帧间差,混合高斯模型方法

一.简单的帧间差方法 帧差法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且闽值化来提取图像中的运动区域. 代码: int _tmain(int argc, _TCHAR* argv[]) { VideoCapture capture("bike.avi"); if(!capture.isOpened()) return -1; double rate = capture.get(CV_CAP_PROP_FPS); int delay = 1000/rate; Mat

【OpenCV】基于HOG与SVM的行人检测学习

最近听了关于HOG与SVM的报告,比较深刻的学习了算法原理与实现方式.这里根据一些资料作下总结,方便日后拾起: A.方向梯度直方图(HOG,Histogram of Gradient) 将图像依次划分为检测窗口(window).块(block).胞元(cell)3个层次 大体流程: 逐像素计算方向梯度: 对cell中的像素根据梯度划分区间,给出统计直方图: 对于每个block中重叠的cell进行对比度归一化: 把所有直方图向量组成HOG特征向量. HOG特征向量: OpenCV对于HOG描述子(

Opencv学习之路—Opencv下基于HOG特征的KNN算法分类训练

在计算机视觉研究当中,HOG算法和LBP算法算是基础算法,但是却十分重要.后期很多图像特征提取的算法都是基于HOG和LBP,所以了解和掌握HOG,是学习计算机视觉的前提和基础. HOG算法的原理很多资料都可以查到,简单来说,就是将图像分成一个cell,通过对每个cell的像素进行梯度处理,进而根据梯度方向和梯度幅度来得到cell的图像特征.随后,将每个cell的图像特征连接起来,得到一个BLock的特征,进而得到一张图片的特征.Opencv当中自带HOG算法,可以直接调用,进行图像的特征提取.但

OpenCV人脸检测

由于光照.遮挡和倾斜等原因,部分人脸和眼睛并不能正确检测.. // 简单的人脸检测 #include <iostream> #include <vector> #include <opencv2\opencv.hpp> #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/im

OpenCV轮廓检测,计算物体旋转角度

效果还是有点问题的,希望大家共同探讨一下 // FindRotation-angle.cpp : 定义控制台应用程序的入口点. // // findContours.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include <iostream> #include <vector> #include <opencv2/opencv.hpp> #include <opencv2/core/core.h

OpenCV人脸检测(完整源码+思路)

本博文IDE为vs2013 OpenCV2.49 话不多说,先看视频演示(20S演示): 如下: https://v.youku.com/v_show/id_XMjYzMzkxMTYyMA==.html?spm=a2h0w.8278793.2736843.4#paction 程序截图如下: 如何来用OpenCV来实现能. 下面给出OpenCV实现人脸检测的一般步骤: 1.加载人脸检测器 2.开启摄像头 3.对图片进行灰度处理(其实可以不处理,上图中原图的标题栏就是未进行灰度处理进行的检测,这里的

OpenCV——人脸检测

OpenCV支持的目标检测的方法: 利用样本的Haar特征进行的分类器训练,得到的级联boosted分类器(Cascade Classification) 1.加载级联分类器 CascadeClassifier cascade; cascade.load("haarcascade_frontalface_alt2.xml"); 2.打开视频 VideoCapture capture(0); if (!capture.isOpened()){ return -1; } 3.对每一帧图像进