HOG（定向梯度直方圖）描述符和物件檢測器的實現。更多...

#include <opencv2/objdetect.hpp>

cv::HOGDescriptor 協作圖

公共型別
列舉	{ DEFAULT_NLEVELS = 64 }

列舉	描述符儲存格式 { 按列描述符格式 , 按行描述符格式 }

列舉	直方圖歸一化型別 { L2Hys = 0 }

公共成員函式
	HOGDescriptor ()
	使用預設引數建立 HOG 描述符和檢測器。

	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 ()
	預設解構函式。

bool	checkDetectorSize () const
	檢查檢測器大小是否等於描述符大小。

virtual void	compute (InputArray img, std::vector< float > &descriptors, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &locations=std::vector< Point >()) const
	計算給定影像的 HOG 描述符。

virtual void	computeGradient (InputArray img, InputOutputArray grad, InputOutputArray angleOfs, Size paddingTL=Size(), Size paddingBR=Size()) const
	計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
	執行無多尺度視窗的物件檢測。

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
	執行無多尺度視窗的物件檢測。

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
	檢測輸入影像中不同大小的物件。檢測到的物件以矩形列表的形式返回。

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
	檢測輸入影像中不同大小的物件。檢測到的物件以矩形列表的形式返回。

virtual void	detectMultiScaleROI (InputArray img, std::vector< cv::Rect > &foundLocations, std::vector< DetectionROI > &locations, double hitThreshold=0, int groupThreshold=0) const
	評估指定的 ROI，併為多個尺度中的每個位置返回置信度值。

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
	評估指定的 ROI，併為每個位置返回置信度值。

size_t	getDescriptorSize () const
	返回分類所需的係數數量。

double	getWinSigma () const
	返回 winSigma 值。

void	groupRectangles (std::vector< cv::Rect > &rectList, std::vector< double > &weights, int groupThreshold, double eps) const
	對物件候選矩形進行分組。

virtual bool	load (const String &filename, const String &objname=String())
	從檔案中載入 HOGDescriptor 引數和線性 SVM 分類器的係數

virtual bool	read (FileNode &fn)
	從檔案節點讀取 HOGDescriptor 引數和線性 SVM 分類器的係數。

virtual void	save (const String &filename, const String &objname=String()) const
	將 HOGDescriptor 引數和線性 SVM 分類器的係數儲存到檔案中

virtual void	setSVMDetector (InputArray svmdetector)
	設定線性 SVM 分類器的係數。

virtual void	write (FileStorage &fs, const String &objname) const
	將 HOGDescriptor 引數和線性 SVM 分類器的係數儲存到檔案儲存中。

靜態公共成員函式
static std::vector< float >	getDaimlerPeopleDetector ()
	返回用於行人檢測（48x96 視窗）訓練的分類器係數。

static std::vector< float >	getDefaultPeopleDetector ()
	返回用於行人檢測（64x128 視窗）訓練的分類器係數。

公共屬性
Size	blockSize
	畫素塊大小。與單元格大小對齊。預設值為 Size(16,16)。

Size	blockStride
	塊步幅。它必須是單元格大小的倍數。預設值為 Size(8,8)。

Size	cellSize
	單元格大小。預設值為 Size(8,8)。

int	derivAperture
	未註明

float	free_coef
	未註明

bool	gammaCorrection
	指定是否需要伽馬校正預處理的標誌。

HOGDescriptor::HistogramNormType	histogramNormType
	histogramNormType

double	L2HysThreshold
	L2-Hys 歸一化方法收縮。

int	nbins
	用於計算梯度直方圖的 bin 數量。預設值為 9。

int	nlevels
	檢測視窗增加的最大數量。預設值為 64。

UMat	oclSvmDetector
	啟用 OpenCL 時使用的線性 SVM 分類器係數

bool	signedGradient
	指示是否使用有符號梯度。

std::vector< float >	svmDetector
	線性 SVM 分類器係數。

double	winSigma
	高斯平滑視窗引數。

Size	winSize
	檢測視窗大小。與塊大小和塊步幅對齊。預設值為 Size(64,128)。

詳細描述

HOG（定向梯度直方圖）描述符和物件檢測器的實現。

Navneet Dalal 和 Bill Triggs [65] 引入的 HOG 描述符演算法。

有用連結

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

https://zh.wikipedia.org/wiki/方向梯度直方圖

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。

成員列舉文件

◆ 匿名列舉

匿名列舉

列舉器
DEFAULT_NLEVELS	預設 nlevels 值。

◆ DescriptorStorageFormat

enum cv::HOGDescriptor::DescriptorStorageFormat

列舉器
DESCR_FORMAT_COL_BY_COL
DESCR_FORMAT_ROW_BY_ROW

◆ HistogramNormType

enum cv::HOGDescriptor::HistogramNormType

列舉器
L2Hys	預設 histogramNormType。

建構函式 & 解構函式文件

◆ HOGDescriptor() [1/4]

cv::HOGDescriptor::HOGDescriptor ( )

inline

使用預設引數建立 HOG 描述符和檢測器。

等同於 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 )

inline

這是一個過載成員函式，為方便起見而提供。它與上述函式的區別僅在於其接受的引數。

引數

_winSize	設定 winSize 為給定值。
_blockSize	設定 blockSize 為給定值。
_blockStride	設定 blockStride 為給定值。
_cellSize	設定 cellSize 為給定值。
_nbins	設定 nbins 為給定值。
_derivAperture	設定 derivAperture 為給定值。
_winSigma	設定 winSigma 為給定值。
_histogramNormType	設定 histogramNormType 為給定值。
_L2HysThreshold	設定 L2HysThreshold 為給定值。
_gammaCorrection	設定 gammaCorrection 為給定值。
_nlevels	設定 nlevels 為給定值。
_signedGradient	設定 signedGradient 為給定值。

◆ HOGDescriptor() [3/4]

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

inline

這是一個過載成員函式，為方便起見而提供。它與上述函式的區別僅在於其接受的引數。

建立 HOG 描述符和檢測器，並從檔案中載入 HOGDescriptor 引數和線性 SVM 分類器的係數。

引數

filename 包含 HOGDescriptor 屬性和線性 SVM 分類器係數的檔名。

◆ HOGDescriptor() [4/4]

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

inline

這是一個過載成員函式，為方便起見而提供。它與上述函式的區別僅在於其接受的引數。

引數

d	用於克隆以建立新物件的 HOGDescriptor。

此函式的呼叫圖如下

◆ ~HOGDescriptor()

virtual cv::HOGDescriptor::~HOGDescriptor ( )

inlinevirtual

預設解構函式。

成員函式文件

◆ checkDetectorSize()

bool cv::HOGDescriptor::checkDetectorSize ( ) const

檢查檢測器大小是否等於描述符大小。

◆ 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

計算給定影像的 HOG 描述符。

引數

img	CV_8U 型別的矩陣，包含將計算 HOG 特徵的影像。
descriptors	CV_32F 型別的矩陣
winStride	視窗步長。它必須是塊步長的倍數。
padding	填充
locations	點向量

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

計算梯度和量化梯度方向。

引數

img	矩陣包含要計算的影像
grad	CV_32FC2 型別的矩陣，包含計算出的梯度
angleOfs	CV_8UC2 型別的矩陣，包含量化梯度方向
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

引數

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

執行無多尺度視窗的物件檢測。

引數

img	CV_8U 或 CV_8UC3 型別的矩陣，包含檢測到物件的影像。
foundLocations	點向量，其中每個點包含檢測到的物件邊界的左上角點。
hitThreshold	特徵與 SVM 分類平面之間距離的閾值。通常為 0，應在檢測器係數中指定（作為最後一個自由係數）。但如果省略自由係數（允許），您可以在此處手動指定。
winStride	視窗步長。它必須是塊步長的倍數。
padding	填充
searchLocations	包含要搜尋的位置的點向量。

◆ 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

執行無多尺度視窗的物件檢測。

引數

img	CV_8U 或 CV_8UC3 型別的矩陣，包含檢測到物件的影像。
foundLocations	點向量，其中每個點包含檢測到的物件邊界的左上角點。
weights	將包含每個檢測到的物件的置信度值的向量。
hitThreshold	特徵與 SVM 分類平面之間距離的閾值。通常為 0，應在檢測器係數中指定（作為最後一個自由係數）。但如果省略自由係數（允許），您可以在此處手動指定。
winStride	視窗步長。它必須是塊步長的倍數。
padding	填充
searchLocations	點向量，包含要評估的請求位置集。

◆ 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

檢測輸入影像中不同大小的物件。檢測到的物件以矩形列表的形式返回。

引數

img	CV_8U 或 CV_8UC3 型別的矩陣，包含檢測到物件的影像。
foundLocations	矩形向量，每個矩形包含檢測到的物件。
hitThreshold	特徵與 SVM 分類平面之間距離的閾值。通常為 0，應在檢測器係數中指定（作為最後一個自由係數）。但如果省略自由係數（允許），您可以在此處手動指定。
winStride	視窗步長。它必須是塊步長的倍數。
padding	填充
scale	檢測視窗增加的係數。
groupThreshold	調節相似度閾值的係數。檢測到時，某些物件可能被許多矩形覆蓋。0 表示不執行分組。
useMeanshiftGrouping	指示分組演算法

◆ 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

檢測輸入影像中不同大小的物件。檢測到的物件以矩形列表的形式返回。

引數

img	CV_8U 或 CV_8UC3 型別的矩陣，包含檢測到物件的影像。
foundLocations	矩形向量，每個矩形包含檢測到的物件。
foundWeights	將包含每個檢測到的物件的置信度值的向量。
hitThreshold	特徵與 SVM 分類平面之間距離的閾值。通常為 0，應在檢測器係數中指定（作為最後一個自由係數）。但如果省略自由係數（允許），您可以在此處手動指定。
winStride	視窗步長。它必須是塊步長的倍數。
padding	填充
scale	檢測視窗增加的係數。
groupThreshold	調節相似度閾值的係數。檢測到時，某些物件可能被許多矩形覆蓋。0 表示不執行分組。
useMeanshiftGrouping	指示分組演算法

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

評估指定的 ROI，併為多個尺度中的每個位置返回置信度值。

引數

img	CV_8U 或 CV_8UC3 型別的矩陣，包含檢測到物件的影像。
foundLocations	矩形向量，每個矩形包含檢測到的物件。
locations	DetectionROI 的向量
hitThreshold	特徵與 SVM 分類平面之間距離的閾值。通常為 0，應在檢測器係數中指定（作為最後一個自由係數）。但如果省略自由係數（允許），您可以在此處手動指定。
groupThreshold	矩形最小可能數量減 1。該閾值用於矩形組以保留它。

◆ 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

評估指定的 ROI，併為每個位置返回置信度值。

引數

img	CV_8U 或 CV_8UC3 型別的矩陣，包含檢測到物件的影像。
locations	點向量
foundLocations	點向量，其中每個點是檢測到的物件的左上角點。
confidences	confidences
hitThreshold	特徵與 SVM 分類平面之間距離的閾值。通常為 0，應在檢測器係數中指定（作為最後一個自由係數）。但如果省略自由係數（允許），您可以在此處手動指定
winStride	winStride
padding	padding

◆ getDaimlerPeopleDetector()

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

static

返回用於行人檢測（48x96 視窗）訓練的分類器係數。

◆ getDefaultPeopleDetector()

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

static

返回用於行人檢測（64x128 視窗）訓練的分類器係數。

◆ getDescriptorSize()

size_t cv::HOGDescriptor::getDescriptorSize ( ) const

返回分類所需的係數數量。

◆ 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

對物件候選矩形進行分組。

引數

rectList	輸入/輸出矩形向量。輸出向量包含保留和分組的矩形。（Python 列表不會就地修改。）
weights	輸入/輸出矩形權重向量。輸出向量包含保留和分組的矩形權重。（Python 列表不會就地修改。）
groupThreshold	矩形最小可能數量減 1。該閾值用於矩形組以保留它。
eps	合併矩形組時矩形邊之間的相對差異。

◆ load()

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

virtual

從檔案中載入 HOGDescriptor 引數和線性 SVM 分類器的係數

引數

filename	要讀取的檔名。
objname	要讀取的節點的可選名稱（如果為空，將使用第一個頂級節點）。

示例: samples/cpp/train_HOG.cpp.

◆ read()

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

virtual

從檔案節點讀取 HOGDescriptor 引數和線性 SVM 分類器的係數。

引數

fn 檔案節點

◆ save()

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

virtual

將 HOGDescriptor 引數和線性 SVM 分類器的係數儲存到檔案中

引數

filename	檔名
objname	物件名稱

示例: samples/cpp/train_HOG.cpp.

◆ setSVMDetector()

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

virtual

設定線性 SVM 分類器的係數。

引數

svmdetector 線性 SVM 分類器係數。

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

將 HOGDescriptor 引數和線性 SVM 分類器的係數儲存到檔案儲存中。

引數

fs	檔案儲存
objname	物件名稱

成員資料文件

◆ blockSize

Size cv::HOGDescriptor::blockSize

畫素塊大小。與單元格大小對齊。預設值為 Size(16,16)。

◆ blockStride

Size cv::HOGDescriptor::blockStride

塊步幅。它必須是單元格大小的倍數。預設值為 Size(8,8)。

◆ cellSize

Size cv::HOGDescriptor::cellSize

單元格大小。預設值為 Size(8,8)。

◆ derivAperture

int cv::HOGDescriptor::derivAperture

未註明

◆ free_coef

float cv::HOGDescriptor::free_coef

未註明

◆ gammaCorrection

bool cv::HOGDescriptor::gammaCorrection

指定是否需要伽馬校正預處理的標誌。

◆ histogramNormType

HOGDescriptor::HistogramNormType cv::HOGDescriptor::histogramNormType

histogramNormType

◆ L2HysThreshold

double cv::HOGDescriptor::L2HysThreshold

L2-Hys 歸一化方法收縮。

◆ nbins

int cv::HOGDescriptor::nbins

用於計算梯度直方圖的 bin 數量。預設值為 9。

◆ nlevels

int cv::HOGDescriptor::nlevels

檢測視窗增加的最大數量。預設值為 64。

◆ oclSvmDetector

UMat cv::HOGDescriptor::oclSvmDetector

啟用 OpenCL 時使用的線性 SVM 分類器係數

◆ signedGradient

bool cv::HOGDescriptor::signedGradient

指示是否使用有符號梯度。

◆ svmDetector

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

線性 SVM 分類器係數。

◆ winSigma

double cv::HOGDescriptor::winSigma

高斯平滑視窗引數。

◆ winSize

Size cv::HOGDescriptor::winSize

檢測視窗大小。與塊大小和塊步幅對齊。預設值為 Size(64,128)。

示例: samples/cpp/train_HOG.cpp.

此結構的文件由以下檔案生成

opencv2/objdetect.hpp

公共型別

公共成員函式

靜態公共成員函式

公共屬性

詳細描述

成員列舉文件

◆ 匿名列舉

◆ DescriptorStorageFormat

◆ HistogramNormType

建構函式 & 解構函式文件

◆ HOGDescriptor() [1/4]

◆ HOGDescriptor() [2/4]

◆ HOGDescriptor() [3/4]

◆ HOGDescriptor() [4/4]

◆ ~HOGDescriptor()

成員函式文件

◆ 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()

成員資料文件

◆ blockSize

◆ blockStride

◆ cellSize

◆ derivAperture

◆ free_coef

◆ gammaCorrection

◆ histogramNormType

◆ L2HysThreshold

◆ nbins

◆ nlevels

◆ oclSvmDetector

◆ signedGradient

◆ svmDetector

◆ winSigma

◆ winSize