Python和C++；HOG目标检测的实现 我在Python和C++中使用OPENCV实现了HOG人脸检测器。我试图保持两个实现中的代码完全相同。然而，我在这两方面都得到了不同的结果。在Python中，它工作正常，但是在C++中显示了完全错误的结果。下面是它们的输出示例（第一个是Python，第二个是C++）：

首先，我为这两种实现训练了一个OpenCV线性SVM分类器，并将它们保存在XML文件（模型文件）中。然后，我从模型（XML文件）中提取用于Pothon实现和用于C++实现的系数（用于在测试过程中定制HOG检测器）。也就是说，在测试过程中，这些系数将成为函数setsvmdetor（const std:：vectorinput_coverties）的输入

理想情况下，这些系数应该相同，因为它们是从同一数据集使用OpenCV计算的。我通过将它们保存在两种实现的文本文件中手动检查了这些系数值，发现它们几乎相同。因此，我希望我未来定制的HOG检测器在这两种实现中的工作方式几乎相同

下面是使用这两种实现在测试图像中检测人脸的测试代码

Python实现：

import cv2
im = cv2.imread("..\\test_imgs\\1.png", 0) # test image
hog = cv2.HOGDescriptor((96, 128), (16,16), (8,8), (8,8), 9)

coeffs = pickle.load(open("coeffs_from_model")) # load coeffs already computed from model
hog.setSVMDetector( np.array(coeffs)) # customize HOG detector

found, w = hog.detectMultiScale(im,  winStride=(8,8), padding=(32,32), scale=4.05)
draw_detections(im, found_filtered) # method for drawing BBs on image

C++实现：

cv::Mat im = cv::imread("..\\test_imgs\\1.png", 0);
cv::HOGDescriptor hog(cv::Size(96, 128), cv::Size(16, 16), cv::Size(8, 8), cv::Size(8, 8), 9);

LinearSVM svm; // check the link 
svm.load(model.c_str());

std::vector<float> coeffs;
svm.getSupportVector(coeffs); // compute coeffs from model

hog.setSVMDetector(coeffs); // customize HOG detector

std::vector<cv::Rect> found; // holds the detected BBs
hog.detectMultiScale(im, found, 0, cv::Size(8, 8), cv::Size(32, 32), 4.05); 
drawLocations(im, found, cv::Scalar(0, 255, 0)); // method for drawing BBs on the image. 

cv:：Mat im=cv:：imread（“..\\test\u imgs\\1.png”，0）；
cv：：猪（cv：：大小（96128），cv：：大小（16,16），cv：：大小（8,8），cv：：大小（8,8,9）；
LinearSVM svm；//检查链接
load（model.c_str（））；
向量系数；
svm.getSupportVector（系数）；//根据模型计算系数
hog.setsvm检测器（系数）；//定制猪检测器
找到了std:：vector；//保存检测到的BBs
hog.detectMultiScale（im，found，0，cv:：Size（8,8），cv:：Size（32,32），4.05）；
绘图位置（im、find、cv:：Scalar（0、255、0））；//在图像上绘制BBs的方法。

以便检查C++计算的系数是否不正确。我在Python实现中使用了它们，有趣的是，它们的工作原理完全相同。所以，现在我不明白为什么C++实现中的HOG对象尽管正确的系数也不能正常工作。p>

---

我在C++中使用了HOG对象的初始化，就像Python一样，并且在两个实现中保持代码几乎相同，因为它们都使用相同的OpenCV。p> 我现在得到答案了。上面写的两个代码都是正确的。问题在于用于培训的标签。我在这两个实现中都使用了“0”（面类）和“1”（非面类）作为标签

Python实现的P>>，这个标签工作正常，但是，对于C++实现，它看起来像是“+1”（FACE类）和“--1”（非面向类），正如我发现的。在该示例中，在源代码末尾，标签如下所示：

// Set up training data
float labels[4] = {1.0, -1.0, -1.0, -1.0};
Mat labelsMat(4, 1, CV_32FC1, labels);

---

你能演示你的Python <代码> COFFS＝KIPLE？Load（open（”CoffsSfFuxMug模型））< /Cord>正在做什么，你的C++ >代码> STD:：向量COVEFS；getSupportVector（系数）正在执行？@板上的：我使用了C++实现中的系数，在Python测试代码中。而且，它在那里工作完全正确。我还做了另一种方法，即使用Python中计算的系数（它已经在C++测试代码中工作）。但是，它显示的错误与它自己的系数（C++系数）显示的错误几乎相同。由此，我总结了两个问题：（i）系数是正确的（Python或C++），（ii）C++实现中有一些错误，我仍然在努力解决。