OpenCV的 - 使用SVM和HOG用於人員檢測

Question

我所知，來完成這項任務所需的步驟：

1. 收集訓練集（正面和負面套）。
2. 提取要用於訓練SVM的每個圖像的豬描述符（當前爲'1'類標籤爲正，'-1'類爲負類標籤）。
3. 將訓練的SVM設置爲HOGDescriptor並使用detect/detectMultiscale。

我已經完成了上述所有步驟。我只是困惑，HOGDescriptor.detect/detectMultiscale檢測到哪個類？它是否僅檢測正面類別標籤（1）？

Answer 1

在計算機視覺中，視覺描述符或圖像描述符（即，HoG）是圖像內容的視覺特徵的描述。他們描述了諸如形狀，顏色，紋理或運動等基本特徵。因此，HoG描述符僅描述了圖像中顯示的場景 - 即在街上行走的行人，您可以在下面看到示例HoG描述符（HoG僅計算圖像的局部部分中梯度方向的出現）：

支持向量機是用於分類，迴歸和異常值檢測的一組監督學習方法。但最初，支持向量機是一種用於構建最佳二元（2級）分類器的技術，所以支持向量機決定了描述符的含義。因此，HoG的輸出是SVM的輸入，後者的輸出是+1或-1。

OpenCV提供了一個隱藏此操作的接口，可以通過函數調用完成全部對象檢測。這是HOGDescriptor::detectMultiScale()所做的，它使用多尺度窗口執行對象檢測。一旦cv::HOGDescriptor hog實例將被宣佈，那麼SVM分類的係數應該也做：

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

然後detectMultiScale()執行完整的對象檢測（描述符提取和二元分類在一起），並返回的邊框每個考生：

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