java.lang.Object
- org.opencv.objdetect.HOGDescriptor

```
public class HOGDescriptor
extends java.lang.Object
```
HOG（方向梯度直方图）描述符和对象检测器的实现。HOG 描述符算法由 Navneet Dalal 和 Bill Triggs 引入 CITE: Dalal2005。有用链接: 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

字段摘要

字段
修饰符和类型	字段	描述
`static int`	`DEFAULT_NLEVELS`
`static int`	`按列描述符格式`
`static int`	`按行描述符格式`
`static int`	`L2Hys`
`protected long`	`nativeObj`

构造函数摘要

构造函数
修饰符	构造函数	描述
	`HOGDescriptor()`	使用默认参数创建 HOG 描述符和检测器。
`保护`	`HOGDescriptor(long addr)`
	`HOGDescriptor(java.lang.String filename)`	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。
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection, int _nlevels)`
	`HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride, Size _cellSize, int _nbins, int _derivAperture, double _winSigma, int _histogramNormType, double _L2HysThreshold, boolean _gammaCorrection, int _nlevels, boolean _signedGradient)`

方法摘要

所有方法静态方法实例方法具体方法
修饰符和类型	方法	描述
`static HOGDescriptor`	`__fromPtr__(long addr)`
`boolean`	`checkDetectorSize()`	检查检测器大小是否等于描述符大小。
`void`	`compute(Mat img, MatOfFloat descriptors)`	计算给定图像的 HOG 描述符。
`void`	`compute(Mat img, MatOfFloat descriptors, Size winStride)`	计算给定图像的 HOG 描述符。
`void`	`compute(Mat img, MatOfFloat descriptors, Size winStride, Size padding)`	计算给定图像的 HOG 描述符。
`void`	`compute(Mat img, MatOfFloat descriptors, Size winStride, Size padding, MatOfPoint locations)`	计算给定图像的 HOG 描述符。
`void`	`computeGradient(Mat img, Mat grad, Mat angleOfs)`	计算梯度和量化梯度方向。
`void`	`computeGradient(Mat img, Mat grad, Mat angleOfs, Size paddingTL)`	计算梯度和量化梯度方向。
`void`	`computeGradient(Mat img, Mat grad, Mat angleOfs, Size paddingTL, Size paddingBR)`	计算梯度和量化梯度方向。
`void`	`detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights)`	执行无多尺度窗口的对象检测。
`void`	`detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold)`	执行无多尺度窗口的对象检测。
`void`	`detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold, Size winStride)`	执行无多尺度窗口的对象检测。
`void`	`detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold, Size winStride, Size padding)`	执行无多尺度窗口的对象检测。
`void`	`detect(Mat img, MatOfPoint foundLocations, MatOfDouble weights, double hitThreshold, Size winStride, Size padding, MatOfPoint searchLocations)`	执行无多尺度窗口的对象检测。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights)`	在输入图像中检测不同大小的对象。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold)`	在输入图像中检测不同大小的对象。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride)`	在输入图像中检测不同大小的对象。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding)`	在输入图像中检测不同大小的对象。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding, double scale)`	在输入图像中检测不同大小的对象。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding, double scale, double groupThreshold)`	在输入图像中检测不同大小的对象。
`void`	`detectMultiScale(Mat img, MatOfRect foundLocations, MatOfDouble foundWeights, double hitThreshold, Size winStride, Size padding, double scale, double groupThreshold, boolean useMeanshiftGrouping)`	在输入图像中检测不同大小的对象。
`protected void`	`finalize()`
`Size`	`get_blockSize()`
`Size`	`get_blockStride()`
`Size`	`get_cellSize()`
`int`	`get_derivAperture()`
`boolean`	`get_gammaCorrection()`
`int`	`get_histogramNormType()`
`double`	`get_L2HysThreshold()`
`int`	`get_nbins()`
`int`	`get_nlevels()`
`boolean`	`get_signedGradient()`
`MatOfFloat`	`get_svmDetector()`
`double`	`get_winSigma()`
`Size`	`get_winSize()`
`static MatOfFloat`	`getDaimlerPeopleDetector()`	返回用于行人检测（针对 48x96 窗口）的分类器训练得到的系数。
`static MatOfFloat`	`getDefaultPeopleDetector()`	返回用于行人检测（针对 64x128 窗口）的分类器训练得到的系数。
`long`	`getDescriptorSize()`	返回分类所需的系数数量。
`long`	`getNativeObjAddr()`
`double`	`getWinSigma()`	返回 winSigma 值
`boolean`	`load(java.lang.String filename)`	从文件加载 HOGDescriptor 参数和线性 SVM 分类器的系数
`boolean`	`load(java.lang.String filename, java.lang.String objname)`	从文件加载 HOGDescriptor 参数和线性 SVM 分类器的系数
`void`	`save(java.lang.String filename)`	将 HOGDescriptor 参数和线性 SVM 分类器的系数保存到文件
`void`	`save(java.lang.String filename, java.lang.String objname)`	将 HOGDescriptor 参数和线性 SVM 分类器的系数保存到文件
`void`	`setSVMDetector(Mat svmdetector)`	设置线性 SVM 分类器的系数。

从类继承的方法 java.lang.Object
clone, equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 字段详细信息
  - nativeObj
```
protected final long nativeObj
```
  - DEFAULT_NLEVELS
```
public static final int DEFAULT_NLEVELS
```
    参见
    
    常量字段值
  - 按列描述符格式
```
public static final int DESCR_FORMAT_COL_BY_COL
```
    参见
    
    常量字段值
  - 按行描述符格式
```
public static final int DESCR_FORMAT_ROW_BY_ROW
```
    参见
    
    常量字段值
  - L2Hys
```
public static final int L2Hys
```
    参见
    
    常量字段值
- 构造函数详细信息
  - HOGDescriptor
```
protected HOGDescriptor(long addr)
```
  - HOGDescriptor
```
public HOGDescriptor()
```
    使用默认参数创建 HOG 描述符和检测器。等同于 HOGDescriptor(Size(64,128), Size(16,16), Size(8,8), Size(8,8), 9 )
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture,
                     double _winSigma,
                     int _histogramNormType,
                     double _L2HysThreshold,
                     boolean _gammaCorrection,
                     int _nlevels,
                     boolean _signedGradient)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
    
    _winSigma - 设置窗口高斯权重标准差为给定值。
    
    _histogramNormType - 设置直方图归一化类型为给定值。
    
    _L2HysThreshold - 设置 L2Hys 阈值为给定值。
    
    _gammaCorrection - 设置 Gamma 校正为给定值。
    
    _nlevels - 设置尺度级别数量为给定值。
    
    _signedGradient - 设置有符号梯度为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture,
                     double _winSigma,
                     int _histogramNormType,
                     double _L2HysThreshold,
                     boolean _gammaCorrection,
                     int _nlevels)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
    
    _winSigma - 设置窗口高斯权重标准差为给定值。
    
    _histogramNormType - 设置直方图归一化类型为给定值。
    
    _L2HysThreshold - 设置 L2Hys 阈值为给定值。
    
    _gammaCorrection - 设置 Gamma 校正为给定值。
    
    _nlevels - 设置尺度级别数量为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture,
                     double _winSigma,
                     int _histogramNormType,
                     double _L2HysThreshold,
                     boolean _gammaCorrection)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
    
    _winSigma - 设置窗口高斯权重标准差为给定值。
    
    _histogramNormType - 设置直方图归一化类型为给定值。
    
    _L2HysThreshold - 设置 L2Hys 阈值为给定值。
    
    _gammaCorrection - 设置 Gamma 校正为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture,
                     double _winSigma,
                     int _histogramNormType,
                     double _L2HysThreshold)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
    
    _winSigma - 设置窗口高斯权重标准差为给定值。
    
    _histogramNormType - 设置直方图归一化类型为给定值。
    
    _L2HysThreshold - 设置 L2Hys 阈值为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture,
                     double _winSigma,
                     int _histogramNormType)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
    
    _winSigma - 设置窗口高斯权重标准差为给定值。
    
    _histogramNormType - 设置直方图归一化类型为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture,
                     double _winSigma)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
    
    _winSigma - 设置窗口高斯权重标准差为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins,
                     int _derivAperture)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
    
    _derivAperture - 设置导数孔径为给定值。
  - HOGDescriptor
```
public HOGDescriptor(Size _winSize,
                     Size _blockSize,
                     Size _blockStride,
                     Size _cellSize,
                     int _nbins)
```
    参数
    
    _winSize - 设置窗口大小为给定值。
    
    _blockSize - 设置块大小为给定值。
    
    _blockStride - 设置块步长为给定值。
    
    _cellSize - 设置单元格大小为给定值。
    
    _nbins - 设置方向分箱数量为给定值。
  - HOGDescriptor
```
public HOGDescriptor(java.lang.String filename)
```
    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 属性和线性 SVM 分类器系数的文件名。
- 方法详细信息
  - getNativeObjAddr
```
public long getNativeObjAddr()
```
  - __fromPtr__
```
public static HOGDescriptor __fromPtr__(long addr)
```
  - getDescriptorSize
```
public long getDescriptorSize()
```
    返回分类所需的系数数量。
    
    返回
    
    自动生成
  - checkDetectorSize
```
public boolean checkDetectorSize()
```
    检查检测器大小是否等于描述符大小。
    
    返回
    
    自动生成
  - getWinSigma
```
public double getWinSigma()
```
    返回 winSigma 值
    
    返回
    
    自动生成
  - setSVMDetector
```
public void setSVMDetector(Mat svmdetector)
```
    设置线性 SVM 分类器的系数。
    
    参数
    
    svmdetector - 线性 SVM 分类器的系数。
  - load
```
public boolean load(java.lang.String filename,
                    java.lang.String objname)
```
    从文件加载 HOGDescriptor 参数和线性 SVM 分类器的系数
    
    参数
    
    filename - 要读取的文件名。
    
    objname - 要读取的节点的可选名称（如果为空，将使用第一个顶级节点）。
    
    返回
    
    自动生成
  - load
```
public boolean load(java.lang.String filename)
```
    从文件加载 HOGDescriptor 参数和线性 SVM 分类器的系数
    
    参数
    
    filename - 要读取的文件名。
    
    返回
    
    自动生成
  - save
```
public void save(java.lang.String filename,
                 java.lang.String objname)
```
    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
  - save
```
public void save(java.lang.String filename)
```
    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
  - compute
```
public void compute(Mat img,
                    MatOfFloat descriptors,
                    Size winStride,
                    Size padding,
                    MatOfPoint locations)
```
    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 特征的图像。
    
    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 - 点向量
  - compute
```
public void compute(Mat img,
                    MatOfFloat descriptors,
                    Size winStride,
                    Size padding)
```
    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 特征的图像。
    
    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
  - compute
```
public void compute(Mat img,
                    MatOfFloat descriptors,
                    Size winStride)
```
    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 特征的图像。
    
    descriptors - 类型为 CV_32F 的矩阵
    
    winStride - 窗口步长。它必须是块步长的倍数。
  - compute
```
public void compute(Mat img,
                    MatOfFloat descriptors)
```
    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 特征的图像。
    
    descriptors - 类型为 CV_32F 的矩阵
  - detect
```
public void detect(Mat img,
                   MatOfPoint foundLocations,
                   MatOfDouble weights,
                   double hitThreshold,
                   Size winStride,
                   Size padding,
                   MatOfPoint searchLocations)
```
    执行无多尺度窗口的对象检测。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 点向量，其中每个点包含检测到对象边界的左上角点。
    
    weights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    winStride - 窗口步长。它必须是块步长的倍数。
    
    padding - 填充
    
    searchLocations - 点向量，包含要评估的请求位置集合。
  - detect
```
public void detect(Mat img,
                   MatOfPoint foundLocations,
                   MatOfDouble weights,
                   double hitThreshold,
                   Size winStride,
                   Size padding)
```
    执行无多尺度窗口的对象检测。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 点向量，其中每个点包含检测到对象边界的左上角点。
    
    weights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    winStride - 窗口步长。它必须是块步长的倍数。
    
    padding - 填充
  - detect
```
public void detect(Mat img,
                   MatOfPoint foundLocations,
                   MatOfDouble weights,
                   double hitThreshold,
                   Size winStride)
```
    执行无多尺度窗口的对象检测。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 点向量，其中每个点包含检测到对象边界的左上角点。
    
    weights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    winStride - 窗口步长。它必须是块步长的倍数。
  - detect
```
public void detect(Mat img,
                   MatOfPoint foundLocations,
                   MatOfDouble weights,
                   double hitThreshold)
```
    执行无多尺度窗口的对象检测。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 点向量，其中每个点包含检测到对象边界的左上角点。
    
    weights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
  - detect
```
public void detect(Mat img,
                   MatOfPoint foundLocations,
                   MatOfDouble weights)
```
    执行无多尺度窗口的对象检测。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 点向量，其中每个点包含检测到对象边界的左上角点。
    
    weights - 将包含每个检测到对象的置信度值的向量。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。被许多矩形覆盖。0 表示不执行分组。
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights,
                             double hitThreshold,
                             Size winStride,
                             Size padding,
                             double scale,
                             double groupThreshold,
                             boolean useMeanshiftGrouping)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    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 - 用于调节相似度阈值的系数。检测到对象时，某些对象可能被许多矩形覆盖。0 表示不执行分组。
    
    useMeanshiftGrouping - 指示分组算法
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights,
                             double hitThreshold,
                             Size winStride,
                             Size padding,
                             double scale,
                             double groupThreshold)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    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 - 用于调节相似度阈值的系数。检测到对象时，某些对象可能被许多矩形覆盖。0 表示不执行分组。
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights,
                             double hitThreshold,
                             Size winStride,
                             Size padding,
                             double scale)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    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。被许多矩形覆盖。0 表示不执行分组。
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights,
                             double hitThreshold,
                             Size winStride,
                             Size padding)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    winStride - 窗口步长。它必须是块步长的倍数。
    
    padding - 填充。被许多矩形覆盖。0 表示不执行分组。
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights,
                             double hitThreshold,
                             Size winStride)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。
    
    winStride - 窗口步长。它必须是块步长的倍数。被许多矩形覆盖。0 表示不执行分组。
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights,
                             double hitThreshold)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。
    
    hitThreshold - 特征与 SVM 分类平面之间距离的阈值。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。被许多矩形覆盖。0 表示不执行分组。
  - detectMultiScale
```
public void detectMultiScale(Mat img,
                             MatOfRect foundLocations,
                             MatOfDouble foundWeights)
```
    在输入图像中检测不同大小的对象。检测到的对象以矩形列表的形式返回。
    
    参数
    
    img - 类型为 CV_8U 或 CV_8UC3 的矩阵，包含检测到对象的图像。
    
    foundLocations - 矩形向量，其中每个矩形包含检测到的对象。
    
    foundWeights - 将包含每个检测到对象的置信度值的向量。通常为 0，应在检测器系数中指定（作为最后一个自由系数）。但如果省略了自由系数（允许），您可以在此处手动指定。被许多矩形覆盖。0 表示不执行分组。
  - computeGradient
```
public void computeGradient(Mat img,
                            Mat grad,
                            Mat angleOfs,
                            Size paddingTL,
                            Size paddingBR)
```
    计算梯度和量化梯度方向。
    
    参数
    
    img - 包含要计算图像的矩阵
    
    grad - 类型为 CV_32FC2 的矩阵，包含计算出的梯度
    
    angleOfs - 类型为 CV_8UC2 的矩阵，包含量化的梯度方向
    
    paddingTL - 左上角填充
    
    paddingBR - 右下角填充
  - computeGradient
```
public void computeGradient(Mat img,
                            Mat grad,
                            Mat angleOfs,
                            Size paddingTL)
```
    计算梯度和量化梯度方向。
    
    参数
    
    img - 包含要计算图像的矩阵
    
    grad - 类型为 CV_32FC2 的矩阵，包含计算出的梯度
    
    angleOfs - 类型为 CV_8UC2 的矩阵，包含量化的梯度方向
    
    paddingTL - 左上角填充
  - computeGradient
```
public void computeGradient(Mat img,
                            Mat grad,
                            Mat angleOfs)
```
    计算梯度和量化梯度方向。
    
    参数
    
    img - 包含要计算图像的矩阵
    
    grad - 类型为 CV_32FC2 的矩阵，包含计算出的梯度
    
    angleOfs - 类型为 CV_8UC2 的矩阵，包含量化的梯度方向
  - getDefaultPeopleDetector
```
public static MatOfFloat getDefaultPeopleDetector()
```
    返回用于行人检测（针对 64x128 窗口）的分类器训练得到的系数。
    
    返回
    
    自动生成
  - getDaimlerPeopleDetector
```
public static MatOfFloat getDaimlerPeopleDetector()
```
    返回用于行人检测（针对 48x96 窗口）的分类器训练得到的系数。
    
    返回
    
    自动生成
  - get_winSize
```
public Size get_winSize()
```
  - get_blockSize
```
public Size get_blockSize()
```
  - get_blockStride
```
public Size get_blockStride()
```
  - get_cellSize
```
public Size get_cellSize()
```
  - get_nbins
```
public int get_nbins()
```
  - get_derivAperture
```
public int get_derivAperture()
```
  - get_winSigma
```
public double get_winSigma()
```
  - get_histogramNormType
```
public int get_histogramNormType()
```
  - get_L2HysThreshold
```
public double get_L2HysThreshold()
```
  - get_gammaCorrection
```
public boolean get_gammaCorrection()
```
  - get_svmDetector
```
public MatOfFloat get_svmDetector()
```
  - get_nlevels
```
public int get_nlevels()
```
  - get_signedGradient
```
public boolean get_signedGradient()
```
  - finalize
```
protected void finalize()
                 throws java.lang.Throwable
```
    重写
    
    finalize 在类 java.lang.Object 中
    
    抛出
    
    java.lang.Throwable

类 HOGDescriptor

字段摘要

构造函数摘要

方法摘要

从类继承的方法 java.lang.Object

字段详细信息

nativeObj

DEFAULT_NLEVELS

按列描述符格式

按行描述符格式

L2Hys

构造函数详细信息

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

HOGDescriptor

方法详细信息

getNativeObjAddr

__fromPtr__

getDescriptorSize

checkDetectorSize

getWinSigma

setSVMDetector

load

load

save

save

compute

compute

compute

compute

detect

detect

detect

detect

detect

detectMultiScale

detectMultiScale

detectMultiScale

detectMultiScale

detectMultiScale

detectMultiScale

detectMultiScale

computeGradient

computeGradient

computeGradient

getDefaultPeopleDetector

getDaimlerPeopleDetector

get_winSize

get_blockSize

get_blockStride

get_cellSize

get_nbins

get_derivAperture

get_winSigma

get_histogramNormType

get_L2HysThreshold

get_gammaCorrection

get_svmDetector

get_nlevels

get_signedGradient

finalize

fromPtr