HOG（方向梯度直方图）描述符和对象检测器的实现。更多...

#include <opencv2/objdetect.hpp>

cv::HOGDescriptor 协作图

公共类型
枚举	{ DEFAULT_NLEVELS = 64 }

枚举	DescriptorStorageFormat { DESCR_FORMAT_COL_BY_COL , DESCR_FORMAT_ROW_BY_ROW }

枚举	HistogramNormType { L2Hys = 0 }

公共成员函数
	HOGDescriptor ()
	创建具有默认参数的 HOG 描述符和检测器。

	HOGDescriptor (const HOGDescriptor &d)

	HOGDescriptor (const String &filename)

	HOGDescriptor (Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1, HOGDescriptor::HistogramNormType _histogramNormType=HOGDescriptor::L2Hys, double _L2HysThreshold=0.2, bool _gammaCorrection=false, int _nlevels=HOGDescriptor::DEFAULT_NLEVELS, bool _signedGradient=false)

virtual	~HOGDescriptor ()
	默认析构函数。

bool	checkDetectorSize () const
	检查检测器大小是否等于描述符大小。

virtual void	compute (InputArray img, std::vector< float > &descriptors, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &locations=std::vector< Point >()) const
	计算给定图像的 HOG 描述符。

virtual void	computeGradient (InputArray img, InputOutputArray grad, InputOutputArray angleOfs, Size paddingTL=Size(), Size paddingBR=Size()) const
	计算渐变和量化的渐变方向。

virtual void	copyTo (HOGDescriptor &c) const
	克隆 HOGDescriptor

virtual void	detect (InputArray img, std::vector< Point > &foundLocations, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &searchLocations=std::vector< Point >()) const
	执行没有多尺度窗口的目标检测。

virtual void	detect (输入数组 img, std::vector< 点 > &foundLocations, std::vector< double > &weights, double hitThreshold=0, 尺寸 winStride=尺寸(), 尺寸 padding=尺寸(), const std::vector< 点 > &searchLocations=std::vector< 点 >()) const
	执行没有多尺度窗口的目标检测。

virtual void	detectMultiScale (输入数组 img, std::vector< 矩形 > &foundLocations, double hitThreshold=0, 尺寸 winStride=尺寸(), 尺寸 padding=尺寸(), double scale=1.05, double groupThreshold=2.0, bool useMeanshiftGrouping=false) const
	在输入图像中检测不同尺寸的对象。检测到的对象以矩形列表的形式返回。

virtual void	detectMultiScale (输入数组 img, std::vector< 矩形 > &foundLocations, std::vector< double > &foundWeights, double hitThreshold=0, 尺寸 winStride=尺寸(), 尺寸 padding=尺寸(), double scale=1.05, double groupThreshold=2.0, bool useMeanshiftGrouping=false) const
	在输入图像中检测不同尺寸的对象。检测到的对象以矩形列表的形式返回。

virtual void	detectMultiScaleROI (输入数组 img, std::vector< cv::矩形 > &foundLocations, std::vector< DetectionROI > &locations, double hitThreshold=0, int groupThreshold=0) const
	评估指定 ROI，并针对各种尺寸返回每个位置的置信度值

virtual void	detectROI (输入数组 img, const std::vector<	评估指定 ROI 并返回每个位置的置信度值

size_t	getDescriptorSize () const
	返回分类所需的系数数量。

double	getWinSigma () const
	返回 winSigma 值。

void	groupRectangles (std::vector< cv::Rect > &rectList, std::vector< double > &weights, int groupThreshold, double eps) const
	对对象候选矩形进行分组。

virtual bool	load (const String &filename, const String &objname=String())
	从文件中加载 HOGDescriptor 参数和线性 SVM 分类器的系数

virtual bool	read (FileNode &fn)
	从文件节点读取 HOGDescriptor 参数和线性 SVM 分类器的系数。

virtual void	save (const String &filename, const String &objname=String()) const
	将 HOGDescriptor 参数和线性 SVM 分类器的系数保存到文件

virtual void	setSVMDetector (InputArray svmdetector)
	设置线性 SVM 分类器的系数。

virtual void	write (FileStorage &fs, const String &objname) const
	将 HOGDescriptor 参数和线性 SVM 分类器的系数存储到文件存储中。

静态公有成员函数
static std::vector< float >	getDaimlerPeopleDetector ()
	返回针对人员检测（针对 48x96 窗口）训练的分类器的系数。

static std::vector< float >	getDefaultPeopleDetector ()
	返回针对人员检测（针对 64x128 窗口）训练的分类器的系数。

公有属性
大小	块大小
	像素块大小。对齐为单元大小。默认值是大小(16,16)。

大小	blockStride
	块步幅。它必须是单元大小的倍数。默认值是大小(8,8)。

大小	单元大小
	默认值是大小(8,8)。

int	derivAperture
	未记录

float	free_coef
	未记录

bool	gammaCorrection
	标记，用于指定是否需要伽马校正预处理。

HOGDescriptor::直方图归一类型	histogramNormType
	histogramNormType

double	L2HysThreshold
	L2-Hys 归一方法收缩。

int	nbins
	用于计算梯度直方图的框数量。默认值是 9。

int	nlevels
	检测窗口的增加次数的最大值。默认值是 64。

UMat	oclSvmDetector
	在启用 OpenCL 时所使用的线性 SVM 分类器的系数

bool	signedGradient
	指示是否将使用带符号梯度。

std::vector< float >	svmDetector
	线性 SVM 分类器的系数。

double	winSigma
	高斯平滑窗口参数。

大小	winSize
	检测窗口大小。对齐为块大小和块步幅。默认值是大小(64,128)。

详细说明

HOG（梯度直方图）描述符和目标检测器的实现。

Navneet Dalal 和 Bill Triggs [63] 引入的 HOG 描述符算法。

有用的链接

https://hal.inria.fr/inria-00548512/document/

https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

https://software.intel.com/en-us/ipp-dev-reference-histogram-of-oriented-gradients-hog-descriptor

http://www.learnopencv.com/histogram-of-oriented-gradients

http://www.learnopencv.com/handwritten-digits-classification-an-opencv-c-python-tutorial

示例: samples/cpp/peopledetect.cpp、samples/cpp/train_HOG.cpp 和 samples/tapi/hog.cpp。

成员枚举文档

◆ 匿名枚举

匿名枚举

枚举器
DEFAULT_NLEVELS	默认 nlevels 值。

◆ 描述符存储格式

枚举cv::HOGDescriptor::描述符存储格式

枚举器
DESCR_FORMAT_COL_BY_COL
DESCR_FORMAT_ROW_BY_ROW

◆ HistogramNormType

枚举 cv::HOGDescriptor::HistogramNormType

枚举器
L2Hys	默认的 HistogramNormType。

构造函数和析构函数文档

◆ HOGDescriptor() [1/4]

cv::HOGDescriptor::HOGDescriptor ( )

内联

创建具有默认参数的 HOG 描述符和检测器。

相当于 HOGDescriptor(Size(64,128), Size(16,16), Size(8,8), Size(8,8), 9 )

◆ HOGDescriptor() [2/4]

cv::HOGDescriptor::HOGDescriptor	(	大小	_winSize,
		大小	_blockSize,
		大小	_blockStride,
		大小	_cellSize,
		int	_nbins,
		int	_derivAperture = `1`,
		double	_winSigma = `-1`,
		HOGDescriptor::直方图归一类型	_histogramNormType = `HOGDescriptor::L2Hys`,
		double	_L2HysThreshold = `0.2`,
		bool	_gammaCorrection = `false`,
		int	_nlevels = `HOGDescriptor::DEFAULT_NLEVELS`,
		bool	_signedGradient = `false`
	)

内联

这是一个重载成员函数，为方便而提供。它仅在接受的参数方面与以上函数不同。

参数

_winSize	设置具有给定值的 winSize。
_blockSize	设置具有给定值的 blockSize。
_blockStride	设置具有给定值的 blockStride。
_cellSize	设置具有给定值的 cellSize。
_nbins	设置具有给定值的 nbins。
_derivAperture	设置具有给定值的 derivAperture。
_winSigma	设置具有给定值的 winSigma。
_histogramNormType	设置具有给定值的 histogramNormType。
_L2HysThreshold	设置具有给定值的 L2HysThreshold。
_gammaCorrection	设置具有给定值的 gammaCorrection。
_nlevels	设置具有给定值的 nlevels。
_signedGradient	设置具有给定值的 signedGradient。

◆ HOGDescriptor() [3/4]

cv::HOGDescriptor::HOGDescriptor ( const String & filename )

内联

这是一个重载成员函数，为方便而提供。它仅在接受的参数方面与以上函数不同。

创建 HOG 描述符和检测器，并从文件中加载 HOGDescriptor 参数和线性 SVM 分类器的系数。

参数

filename 包含 HOGDescriptor 属性和系数的线性 SVM 分类器文件名称。

◆ HOGDescriptor() [4/4]

cv::HOGDescriptor::HOGDescriptor ( const HOGDescriptor & d )

内联

这是一个重载成员函数，为方便而提供。它仅在接受的参数方面与以上函数不同。

参数

d	克隆为新对象的 HOGDescriptor。

下面是此函数的调用关系图

◆ ~HOGDescriptor()

virtual cv::HOGDescriptor::~HOGDescriptor ( )

inlinevirtual

默认析构函数。

成员函数文档

◆ checkDetectorSize()

bool cv::HOGDescriptor::checkDetectorSize ( ) const

检查检测器大小是否等于描述符大小。

◆ compute()

virtual void cv::HOGDescriptor::compute	(	InputArray	img,
		std::vector< float > &	descriptors,
		大小	winStride = `Size()`,
		大小	padding = `Size()`,
		const std::vector< Point > &	locations = `std::vector< Point >()`
	)		const

virtual

计算给定图像的 HOG 描述符。

参数

img	类型为 CV_8U 的矩阵，包含将计算 HOG 特性的图像。
descriptors	类型为 CV_32F 的矩阵
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
locations	Point 向量

示例: samples/cpp/train_HOG.cpp.

◆ computeGradient()

virtual void cv::HOGDescriptor::computeGradient	(	InputArray	img,
		InputOutputArray	grad,
		InputOutputArray	angleOfs,
		大小	paddingTL = `Size()`,
		大小	paddingBR = `Size()`
	)		const

virtual

计算渐变和量化的渐变方向。

参数

img	矩阵包含要计算的图像
grad	类型为 CV_32FC2 的矩阵包含计算的梯度
angleOfs	类型为 CV_8UC2 的矩阵包含量化的梯度方向
paddingTL	左上填充
paddingBR	右下填充

◆ copyTo()

virtual void cv::HOGDescriptor::copyTo ( HOGDescriptor & c ) const

virtual

克隆 HOGDescriptor

参数

c	克隆的 HOGDescriptor

◆ detect() [1/2]

virtual void cv::HOGDescriptor::detect	(	InputArray	img,
		std::vector< 点 > &	foundLocations,
		double	hitThreshold = `0`,
		大小	winStride = `Size()`,
		大小	padding = `Size()`,
		const std::vector< Point > &	searchLocations = `std::vector< 点 >()`
	)		const

virtual

执行没有多尺度窗口的目标检测。

参数

img	包含要检测对象的图像的 CV_8U 或 CV_8UC3 类型的矩阵。
foundLocations	每个点包含检测到的对象边界的左上角点的点向量。
hitThreshold	特征与 SVM 分类平面之间的距离阈值。它通常为 0，应在检测系数（作为最后一个自由系数）中指定。但是，如果省略了自由系数（允许这样做），则可以在这里手动指定它。
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
searchLocations	包含要搜索的位置的点向量。

◆ detect() [2/2]

virtual void cv::HOGDescriptor::detect	(	InputArray	img,
		std::vector< 点 > &	foundLocations,
		std::vector< double > &	weights,
		double	hitThreshold = `0`,
		大小	winStride = `Size()`,
		大小	padding = `Size()`,
		const std::vector< Point > &	searchLocations = `std::vector< 点 >()`
	)		const

virtual

执行没有多尺度窗口的目标检测。

参数

img	包含要检测对象的图像的 CV_8U 或 CV_8UC3 类型的矩阵。
foundLocations	每个点包含检测到的对象边界的左上角点的点向量。
weights	将包含每个检测到的对象的置信度值的向量。
hitThreshold	特征与 SVM 分类平面之间的距离阈值。它通常为 0，应在检测系数（作为最后一个自由系数）中指定。但是，如果省略了自由系数（允许这样做），则可以在这里手动指定它。
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
searchLocations	包含要评估的一组请求位置的点向量。

◆ detectMultiScale() [1/2]

virtual void cv::HOGDescriptor::detectMultiScale	(	InputArray	img,
		std::vector< Rect > &	foundLocations,
		double	hitThreshold = `0`,
		大小	winStride = `Size()`,
		大小	padding = `Size()`,
		double	scale = `1.05`,
		double	groupThreshold = `2.0`,
		bool	useMeanshiftGrouping = `false`
	)		const

virtual

在输入图像中检测不同尺寸的对象。检测到的对象以矩形列表的形式返回。

参数

img	包含要检测对象的图像的 CV_8U 或 CV_8UC3 类型的矩阵。
foundLocations	其中每个矩形都包含检测到的对象的矩形向量。
hitThreshold	特征与 SVM 分类平面之间的距离阈值。它通常为 0，应在检测系数（作为最后一个自由系数）中指定。但是，如果省略了自由系数（允许这样做），则可以在这里手动指定它。
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
scale	检测窗口增加的系数。
groupThreshold	调节相似性阈值的系数。检测时，某些对象可能被多个矩形覆盖。0 表示不执行分组。
useMeanshiftGrouping	指示分组算法

◆ detectMultiScale() [2/2]

virtual void cv::HOGDescriptor::detectMultiScale	(	InputArray	img,
		std::vector< Rect > &	foundLocations,
		std::vector< double > &	foundWeights,
		double	hitThreshold = `0`,
		大小	winStride = `Size()`,
		大小	padding = `Size()`,
		double	scale = `1.05`,
		double	groupThreshold = `2.0`,
		bool	useMeanshiftGrouping = `false`
	)		const

virtual

在输入图像中检测不同尺寸的对象。检测到的对象以矩形列表的形式返回。

参数

img	包含要检测对象的图像的 CV_8U 或 CV_8UC3 类型的矩阵。
foundLocations	其中每个矩形都包含检测到的对象的矩形向量。
foundWeights	将包含每个检测到的对象的置信度值的向量。
hitThreshold	特征与 SVM 分类平面之间的距离阈值。它通常为 0，应在检测系数（作为最后一个自由系数）中指定。但是，如果省略了自由系数（允许这样做），则可以在这里手动指定它。
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
scale	检测窗口增加的系数。
groupThreshold	调节相似性阈值的系数。检测时，某些对象可能被多个矩形覆盖。0 表示不执行分组。
useMeanshiftGrouping	指示分组算法

示例: samples/cpp/peopledetect.cpp 和 samples/cpp/train_HOG.cpp。

◆ detectMultiScaleROI()

virtual void cv::HOGDescriptor::detectMultiScaleROI	(	InputArray	img,
		std::vector< cv::Rect > &	foundLocations,
		std::vector< DetectionROI > &	locations,
		double	hitThreshold = `0`,
		int	groupThreshold = `0`
	)		const

virtual

评估指定 ROI，并针对各种尺寸返回每个位置的置信度值

参数

img	包含要检测对象的图像的 CV_8U 或 CV_8UC3 类型的矩阵。
foundLocations	其中每个矩形都包含检测到的对象的矩形向量。
locations	DetectionROI向量
hitThreshold	特征与 SVM 分类平面之间的距离阈值。它通常为 0，应在检测系数（作为最后一个自由系数）中指定。但是，如果省略了自由系数（允许这样做），则可以在这里手动指定它。
groupThreshold	可能的最小矩形数减一。该阈值用于矩形组中以保留它。

◆ detectROI()

virtual void cv::HOGDescriptor::detectROI	(	InputArray	img,
		const std::vector< cv::Point > &	locations,
		std::vector< cv::Point > &	foundLocations,
		std::vector< double > &	置信度,
		double	hitThreshold = `0`,
		cv::Size	winStride = `Size()`,
		cv::Size	padding = `Size()`
	)		const

virtual

评估指定 ROI 并返回每个位置的置信度值

参数

img	包含要检测对象的图像的 CV_8U 或 CV_8UC3 类型的矩阵。
locations	Point 向量
foundLocations	每个点为检测到的物体左上角点的 Point（点）向量。
置信度	置信度
hitThreshold	特征与 SVM 分类平面之间的距离阈值。通常为 0，应在检测器系数中指定（作为最后一个空闲系数）。但如果省略空闲系数（允许这样做），您可以在此处手动指定它
winStride	winStride
padding	padding

◆ getDaimlerPeopleDetector()

static std::vector< float > cv::HOGDescriptor::getDaimlerPeopleDetector ( )

静态

返回针对人员检测（针对 48x96 窗口）训练的分类器的系数。

◆ getDefaultPeopleDetector()

static std::vector< float > cv::HOGDescriptor::getDefaultPeopleDetector ( )

静态

返回针对人员检测（针对 64x128 窗口）训练的分类器的系数。

◆ getDescriptorSize()

size_t cv::HOGDescriptor::getDescriptorSize ( ) const

返回分类所需的系数数量。

◆ getWinSigma()

double cv::HOGDescriptor::getWinSigma ( ) const

返回 winSigma 值。

◆ groupRectangles()

void cv::HOGDescriptor::groupRectangles	(	std::vector< cv::Rect > &	rectList,
		std::vector< double > &	weights,
		int	groupThreshold,
		double	eps
	)		const

对对象候选矩形进行分组。

参数

rectList	矩形输入/输出向量。输出向量包括保留且已分组的矩形。（不会就地修改 Python 列表。）
weights	矩形权重输入/输出向量。输出向量包括保留且已分组的矩形的权重。（不会就地修改 Python 列表。）
groupThreshold	可能的最小矩形数减一。该阈值用于矩形组中以保留它。
eps	将矩形合并到一组中的矩形边之间的相对差值。

◆ load()

virtual bool cv::HOGDescriptor::load	(	const String &	filename,
		const String &	objname = `String()`
	)

virtual

从文件中加载 HOGDescriptor 参数和线性 SVM 分类器的系数

参数

filename	要读取的文件的名称。
objname	要读取的节点可选名称（如果为空，将使用第一个顶级节点）。

示例: samples/cpp/train_HOG.cpp.

◆ read()

virtual bool cv::HOGDescriptor::read ( FileNode & fn )

virtual

从文件节点读取 HOGDescriptor 参数和线性 SVM 分类器的系数。

参数

fn 文件节点

◆ save()

virtual void cv::HOGDescriptor::save	(	const String &	filename,
		const String &	objname = `String()`
	)		const

virtual

将 HOGDescriptor 参数和线性 SVM 分类器的系数保存到文件

参数

filename	文件名
objname	对象名称

示例: samples/cpp/train_HOG.cpp.

◆ setSVMDetector()

virtual void cv::HOGDescriptor::setSVMDetector ( InputArray svmdetector )

virtual

设置线性 SVM 分类器的系数。

参数

svmdetector 线性 SVM 分类器的系数。

示例: samples/cpp/peopledetect.cpp，和 samples/cpp/train_HOG.cpp。

◆ write()

virtual void cv::HOGDescriptor::write	(	FileStorage &	fs,
		const String &	objname
	)		const

virtual

将 HOGDescriptor 参数和线性 SVM 分类器的系数存储到文件存储中。

参数

fs	文件存储
objname	对象名称

成员数据文档化

◆ blockSize

Size cv::HOGDescriptor::blockSize

像素块大小。对齐为单元大小。默认值是大小(16,16)。

◆ blockStride

Size cv::HOGDescriptor::blockStride

块步幅。它必须是单元大小的倍数。默认值是大小(8,8)。

◆ cellSize

Size cv::HOGDescriptor::cellSize

默认值是大小(8,8)。

◆ derivAperture

int cv::HOGDescriptor::derivAperture

未记录

◆ free_coef

float cv::HOGDescriptor::free_coef

未记录

◆ gammaCorrection

bool cv::HOGDescriptor::gammaCorrection

标记，用于指定是否需要伽马校正预处理。

◆ histogramNormType

HOGDescriptor::HistogramNormType cv::HOGDescriptor::histogramNormType

histogramNormType

◆ L2HysThreshold

double cv::HOGDescriptor::L2HysThreshold

L2-Hys 归一方法收缩。

◆ nbins

int cv::HOGDescriptor::nbins

用于计算梯度直方图的框数量。默认值是 9。

◆ nlevels

int cv::HOGDescriptor::nlevels

检测窗口的增加次数的最大值。默认值是 64。

◆ oclSvmDetector

UMat cv::HOGDescriptor::oclSvmDetector

在启用 OpenCL 时所使用的线性 SVM 分类器的系数

◆ signedGradient

bool cv::HOGDescriptor::signedGradient

指示是否将使用带符号梯度。

◆ svmDetector

std::vector<float> cv::HOGDescriptor::svmDetector

线性 SVM 分类器的系数。

◆ winSigma

double cv::HOGDescriptor::winSigma

高斯平滑窗口参数。

◆ winSize

Size cv::HOGDescriptor::winSize

检测窗口大小。对齐为块大小和块步幅。默认值是大小(64,128)。

示例: samples/cpp/train_HOG.cpp.

本结构的文档通过以下文件生成

opencv2/objdetect.hpp

公共类型

公共成员函数

静态公有成员函数

公有属性

详细说明

成员枚举文档

◆ 匿名枚举

◆ 描述符存储格式

◆ HistogramNormType

构造函数和析构函数文档

◆ HOGDescriptor() [1/4]

◆ HOGDescriptor() [2/4]

◆ HOGDescriptor() [3/4]

◆ HOGDescriptor() [4/4]

◆ ~HOGDescriptor()

成员函数文档

◆ checkDetectorSize()

◆ compute()

◆ computeGradient()

◆ copyTo()

◆ detect() [1/2]

◆ detect() [2/2]

◆ detectMultiScale() [1/2]

◆ detectMultiScale() [2/2]

◆ detectMultiScaleROI()

◆ detectROI()

◆ getDaimlerPeopleDetector()

◆ getDefaultPeopleDetector()

◆ getDescriptorSize()

◆ getWinSigma()

◆ groupRectangles()

◆ load()

◆ read()

◆ save()

◆ setSVMDetector()

◆ write()

成员数据文档化

◆ blockSize

◆ blockStride

◆ cellSize

◆ derivAperture

◆ free_coef

◆ gammaCorrection

◆ histogramNormType

◆ L2HysThreshold

◆ nbins

◆ nlevels

◆ oclSvmDetector

◆ signedGradient

◆ svmDetector

◆ winSigma

◆ winSize