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 的协作图

公开类型
enum	{ DEFAULT_NLEVELS = 64 }

enum	DescriptorStorageFormat { DESCR_FORMAT_COL_BY_COL , DESCR_FORMAT_ROW_BY_ROW }

enum	HistogramNormType { L2Hys = 0 }

公开成员函数
	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
	计算梯度和量化梯度方向。

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
	执行不带多尺度窗口的对象检测。

virtual void	detect (InputArray img, std::vector< Point > &foundLocations, std::vector< double > &weights, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &searchLocations=std::vector< Point >()) const
	执行不带多尺度窗口的对象检测。

virtual void	detectMultiScale (InputArray img, std::vector< Rect > &foundLocations, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), double scale=1.05, double groupThreshold=2.0, bool useMeanshiftGrouping=false) const
	在输入图像中检测不同大小的对象。检测到的对象作为矩形列表返回。

virtual void	detectMultiScale (InputArray img, std::vector< Rect > &foundLocations, std::vector< double > &foundWeights, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), double scale=1.05, double groupThreshold=2.0, bool useMeanshiftGrouping=false) const
	在输入图像中检测不同大小的对象。检测到的对象作为矩形列表返回。

virtual void	detectMultiScaleROI (InputArray img, std::vector< cv::Rect > &foundLocations, std::vector< DetectionROI > &locations, double hitThreshold=0, int groupThreshold=0) const
	评估指定的 ROI 并返回每个位置在多个比例下的置信度值

virtual void	detectROI (InputArray img, const std::vector< cv::Point > &locations, std::vector< cv::Point > &foundLocations, std::vector< double > &confidences, double hitThreshold=0, cv::Size winStride=Size(), cv::Size padding=Size()) const
	评估指定的 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中

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。

静态公开成员函数
static std::vector< float >	getDaimlerPeopleDetector ()
	返回为行人检测训练的分类器系数（用于 48x96 窗口）。

static std::vector< float >	getDefaultPeopleDetector ()
	返回为行人检测训练的分类器系数（用于 64x128 窗口）。

公开属性
Size	blockSize
	像素中的块大小。对齐到单元格大小。默认值为 Size(16,16)。

Size	blockStride
	块步长。它必须是单元格大小的倍数。默认值为 Size(8,8)。

Size	cellSize
	单元格大小。默认值为 Size(8,8)。

int	derivAperture
	未记录

float	free_coef
	未记录

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

HOGDescriptor::HistogramNormType	histogramNormType
	histogramNormType

double	L2HysThreshold
	L2-Hys 归一化方法收缩。

int	nbins
	用于计算梯度直方图的 bin 数量。默认值为 9。

int	nlevels
	检测窗口增加的最大次数。默认值为 64。

UMat	oclSvmDetector
	启用 OpenCL 时使用的线性 SVM 分类器的系数

bool	signedGradient
	指示是否使用有符号梯度。

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

double	winSigma
	高斯平滑窗口参数。

Size	winSize
	检测窗口大小。对齐到块大小和块步长。默认值为 Size(64,128)。

详细说明

HOG（方向梯度直方图）描述符和对象检测器的实现。

Navneet Dalal 和 Bill Triggs [66] 提出的 HOG 描述符算法。

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

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

枚举值 (Enumerator)
DEFAULT_NLEVELS	默认 nlevels 值。

◆ DescriptorStorageFormat

枚举 cv::HOGDescriptor::DescriptorStorageFormat

枚举值 (Enumerator)
DESCR_FORMAT_COL_BY_COL
DESCR_FORMAT_ROW_BY_ROW

◆ HistogramNormType

枚举 cv::HOGDescriptor::HistogramNormType

枚举值 (Enumerator)
L2Hys	默认 histogramNormType。

构造函数与析构函数说明

◆ 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。

等价于 HOGDescriptor(Size(64,128), Size(16,16), Size(8,8), Size(8,8), 9 )

◆ HOGDescriptor() [2/4]

cv::HOGDescriptor::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 )

内联

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

参数

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

◆ HOGDescriptor() [3/4]

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

内联

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

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 属性和线性 SVM 分类器系数的文件名。

◆ HOGDescriptor() [4/4]

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

内联

这是一个重载的成员函数，为方便起见而提供。它与上述函数的区别仅在于所接受的参数不同。

参数

d	用于克隆以创建新对象的 HOGDescriptor。

此函数的调用图

◆ ~HOGDescriptor()

virtual cv::HOGDescriptor::~HOGDescriptor ( )

inlinevirtual

默认析构函数。

成员函数说明

◆ 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,
		Size	winStride = Size(),
		Size	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	包含将计算 HOG 特征的图像的 CV_8U 类型矩阵。
descriptors	CV_32F 类型矩阵
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,
		Size	paddingTL = Size(),
		Size	paddingBR = Size() ) const

virtual

计算梯度和量化梯度方向。

参数

img	包含要计算的图像的矩阵
grad	CV_32FC2 类型矩阵包含计算出的梯度
angleOfs	CV_8UC2 类型矩阵包含量化的梯度方向
paddingTL	左上角填充
paddingBR	右下角填充

◆ 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< Point > &	foundLocations,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	padding = Size(),
		const std::vector< Point > &	searchLocations = std::vector< Point >() ) const

virtual

执行不带多尺度窗口的对象检测。

参数

img	包含检测对象的 CV_8U 或 CV_8UC3 类型图像矩阵。
foundLocations	Point 向量，每个 Point 包含检测到的对象边界的左上角点。
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）。但如果省略自由系数（允许），则可在此处手动指定。
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
searchLocations	Point 向量，包含要搜索的位置。

◆ detect() [2/2]

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

virtual

执行不带多尺度窗口的对象检测。

参数

img	包含检测对象的 CV_8U 或 CV_8UC3 类型图像矩阵。
foundLocations	Point 向量，每个 Point 包含检测到的对象边界的左上角点。
weights	向量，包含每个检测到对象的置信度值。
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）。但如果省略自由系数（允许），则可在此处手动指定。
winStride	窗口步长。它必须是块步长的倍数。
padding	填充
searchLocations	Point 向量，包含要评估的请求位置集。

◆ detectMultiScale() [1/2]

virtual void cv::HOGDescriptor::detectMultiScale	(	InputArray	img,
		std::vector< Rect > &	foundLocations,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	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大小的对象。检测到的对象作为矩形列表返回。

参数

img	包含检测对象的 CV_8U 或 CV_8UC3 类型图像矩阵。
foundLocations	矩形向量，每个矩形包含检测到的对象。
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）。但如果省略自由系数（允许），则可在此处手动指定。
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	调节相似性阈值的系数。检测到时，有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() [2/2]

virtual void cv::HOGDescriptor::detectMultiScale	(	InputArray	img,
		std::vector< Rect > &	foundLocations,
		std::vector< double > &	foundWeights,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	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大小的对象。检测到的对象作为矩形列表返回。

参数

img	包含检测对象的 CV_8U 或 CV_8UC3 类型图像矩阵。
foundLocations	矩形向量，每个矩形包含检测到的对象。
foundWeights	向量，包含每个检测到对象的置信度值。
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）。但如果省略自由系数（允许），则可在此处手动指定。
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	调节相似性阈值的系数。检测到时，有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

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

评估指定的 ROI 并返回每个位置在多个比例下的置信度值

参数

img	包含检测对象的 CV_8U 或 CV_8UC3 类型图像矩阵。
foundLocations	矩形向量，每个矩形包含检测到的对象。
locations	DetectionROI 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）。但如果省略自由系数（允许），则可在此处手动指定。
groupThreshold	最小可能矩形数减 1。此阈值用于一组矩形以保留它。

◆ detectROI()

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

virtual

评估指定的 ROI 并返回每个位置的置信度值

参数

img	包含检测对象的 CV_8U 或 CV_8UC3 类型图像矩阵。
locations	Point 向量
foundLocations	Point 向量，其中每个 Point 是检测到的对象的左上角点。
confidences	confidences
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）。但如果省略自由系数（允许），则可在此处手动指定。
winStride	winStride
padding	padding

◆ getDaimlerPeopleDetector()

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

static (静态)

返回为行人检测训练的分类器系数（用于 48x96 窗口）。

◆ getDefaultPeopleDetector()

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

static (静态)

返回为行人检测训练的分类器系数（用于 64x128 窗口）。

◆ 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	输入/输出矩形向量。输出向量包含保留和分组的矩形。(Python 列表未原地修改。)
weights	输入/输出矩形权重向量。输出向量包含保留和分组矩形的权重。(Python 列表未原地修改。)
groupThreshold	最小可能矩形数减 1。此阈值用于一组矩形以保留它。
eps	矩形边长之间用于合并为一组的相对差值。

◆ 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）。

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中

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

◆ blockSize

Size cv::HOGDescriptor::blockSize

像素中的块大小。对齐到单元格大小。默认值为 Size(16,16)。

◆ blockStride

Size cv::HOGDescriptor::blockStride

块步长。它必须是单元格大小的倍数。默认值为 Size(8,8)。

◆ cellSize

Size cv::HOGDescriptor::cellSize

单元格大小。默认值为 Size(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

标志，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 归一化方法收缩。

◆ nbins

int cv::HOGDescriptor::nbins

用于计算梯度直方图的 bin 数量。默认值为 9。

◆ nlevels

int cv::HOGDescriptor::nlevels

检测窗口增加的最大次数。默认值为 64。

◆ oclSvmDetector

UMat cv::HOGDescriptor::oclSvmDetector

启用 OpenCL 时使用的线性 SVM 分类器的系数

◆ signedGradient

bool cv::HOGDescriptor::signedGradient

指示是否使用有符号梯度。

◆ 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。对齐到块大小和块步长。默认值为 Size(64,128)。

示例: samples/cpp/train_HOG.cpp.

此结构体的文档是从以下文件生成的

opencv2/objdetect.hpp

公开类型

公开成员函数

静态公开成员函数

公开属性

详细说明

成员枚举文档

◆ 匿名枚举

◆ DescriptorStorageFormat

◆ HistogramNormType

构造函数与析构函数说明

◆ HOGDescriptor() [1/4]

◆ HOGDescriptor() [2/4]

◆ HOGDescriptor() [3/4]

◆ HOGDescriptor() [4/4]

◆ ~HOGDescriptor()

成员函数说明

◆ 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

◆ blockSize

◆ blockStride

◆ cellSize

◆ derivAperture

◆ free_coef

◆ gammaCorrection

◆ histogramNormType

◆ L2HysThreshold

◆ nbins

◆ nlevels

◆ oclSvmDetector

◆ signedGradient

◆ svmDetector

◆ winSigma

◆ winSize