OpenCV-使用SVM和HOG进行人员检测

我知道完成此任务所需的步骤：

收集训练集（正数集和负数集）

提取用于训练SVM的每个图像的hog描述符（当前正面为“1”类标签，反面为“-1”类标签）

将训练好的SVM设置为HOGDescriptor，并使用detect/detectMultiscale

---

我已经完成了上面的所有步骤。我只是很困惑，HOGDescriptor.detect/detectMultiscale检测哪个类？它是否仅检测阳性类别标签（1）？

在计算机视觉中，视觉描述符或图像描述符（即HoG）是对图像中内容的视觉特征的描述。它们描述了形状、颜色、纹理或运动等基本特征。因此，HoG描述符仅描述场景-如图所示，即在街道上行走的行人，您可以看到下面的示例HoG描述符（HoG仅统计图像局部区域中出现的梯度方向）：

支持向量机是一套用于分类、回归和异常检测的有监督学习方法。但最初，支持向量机是一种构建最优二元（2类）分类器的技术，因此支持向量机决定描述符的含义。也就是说，HoG的输出是支持向量机的输入，支持向量机的输出是+1或-1

OpenCV提供了一个隐藏此操作的接口，通过函数调用可以完成完整的对象检测。这就是HOGDescriptor:：detectMultiScale（）所做的，它使用多尺度窗口执行对象检测。一旦声明了

cv:：HOGDescriptor hog

实例，则SVM分类器的系数也应通过以下方式完成：

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

然后

detectMultiScale（）

执行完整的对象检测（描述符提取和二进制分类一起），并返回每个候选对象的边界框：

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

找到了std:：vector； hog.detectMultiScale（帧，找到，0，cv:：Size（8,8），cv:：Size（32,32），1.05,2）；

---

感谢您的回复。在我的例子中，我想使用一个定制的SVM来检测人（不是默认的）。我已经通过提取正面和负面图像的hog描述符来训练线性支持向量机，并且我还能够通过使用hog.setsvmdeter（SVM.getSupportVectors（））来设置hog以使用经过训练的支持向量机。使我困惑的是探测器的多重刻度。它是否检测到消极类（无人）或积极类（人）？抱歉，我对opencv和计算机视觉还不熟悉。

detectMultiScale

只返回正值，但它们可以是真值（正确识别为人的对象）或假值（错误识别为人的车辆、树木等对象）。我有一个关于使用自定义SVM的问题，具有正面图像的数据集应仅包含人类或具有背景的人类？我读了一些其他帖子，一些帖子告诉他们需要背景，还有一些帖子说我必须在这之前裁剪图片，这可能会帮助你：