OpenCV - 使用SVM和HOG进行人员检测

Question

我知道完成此任务所需的步骤：

1. 收集训练集（正面和负面）。
2. 提取每个用于训练SVM的图像的hog描述符（当前为＆＃39; 1类标签为正面，＆＃39; -1＆＃39;类标签为负面）。
3. 将训练好的SVM设置为HOGDescriptor并使用detect / detectMultiscale。

我已完成上述所有步骤。我只是感到困惑，HOGDescriptor.detect / detectMultiscale会检测哪个类？它只检测正类标签（1）吗？

Answer 1

在计算机视觉中，视觉描述符或图像描述符（即HoG）是图像中内容的视觉特征的描述。它们描述了诸如形状，颜色，纹理或运动等基本特征。所以HoG描述符只表征场景 - 在图像中显示，即在街道上行走的行人，你可以在下面看到一个示例HoG描述符（HoG只计算图像局部部分中梯度方向的出现次数）：

SVM是一组用于分类，回归和异常值检测的监督学习方法。但最初，SVM是一种用于构建最佳二进制（2类）分类器的技术，因此SVM决定描述符的含义。那么可以说，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，完整的对象检测可以通过函数调用完成。这是HOGDescriptor::detectMultiScale()所做的，它使用多尺度窗口执行对象检测。一旦声明了cv::HOGDescriptor hog实例，那么SVM分类器的系数也应该通过以下方式完成：

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

然后detectMultiScale()执行完整的对象检测（描述符提取和二进制分类在一起）并返回每个候选者的边界框：

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