【机器学习】最简单易懂的行人检测功能实现

加载训练好的行人分类器，实现行人检测功能。

代码中用到的训练好的行人分类器"pedestrianDetect.xml"下载路径：https://download.****.net/download/lyq_12/10742144

一、效果如下：

1、输入原图

2、输出结果

【机器学习】最简单易懂的行人检测功能实现

二、代码实现如下：

#include <iostream>
#include <fstream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/objdetect/objdetect.hpp>
#include <opencv2/ml/ml.hpp>
 
using namespace std;
using namespace cv;
 
class MySVM : public CvSVM
{
public:
	//获得SVM的决策函数中的alpha数组
	double * get_alpha_vector()
	{
		return this->decision_func->alpha;
	}
 
	//获得SVM的决策函数中的rho参数,即偏移量
	float get_rho()
	{
		return this->decision_func->rho;
	}
};
 
 
int main()
{
	MySVM svm;                          //SVM分类器
	svm.load("pedestrianDetect.xml");	//加载训练好的行人分类器
	
	int DescriptorDim = svm.get_var_count();                //特征向量的维数，即HOG描述子的维数
	int supportVectorNum = svm.get_support_vector_count();  //支持向量的个数
	//cout<<"支持向量个数："<<supportVectorNum<<endl;
 
	Mat alphaMat = Mat::zeros(1, supportVectorNum, CV_32FC1);                      
	Mat supportVectorMat = Mat::zeros(supportVectorNum, DescriptorDim, CV_32FC1);  
	Mat resultMat = Mat::zeros(1, DescriptorDim, CV_32FC1);                        
 
	for(int i=0; i<supportVectorNum; i++)
	{
		const float * pSVData = svm.get_support_vector(i); 
		for(int j=0; j<DescriptorDim; j++)
		{
			supportVectorMat.at<float>(i,j) = pSVData[j];
		}
	}
 
	double * pAlphaData = svm.get_alpha_vector();       
	for(int i=0; i<supportVectorNum; i++)
	{
		alphaMat.at<float>(0,i) = pAlphaData[i];
	}
 
	resultMat = -1 * alphaMat * supportVectorMat;
 
	vector<float> myDetector;
	for(int i=0; i<DescriptorDim; i++)
	{
		myDetector.push_back(resultMat.at<float>(0,i));
	}

	myDetector.push_back(svm.get_rho());
	//cout<<"检测子维数："<<myDetector.size()<<endl;

	HOGDescriptor myHOG;
	myHOG.setSVMDetector(myDetector);	   //设置HOGDescriptor的检测子
  
	Mat srcImg = imread("..\\srcImg.jpg");
	if (srcImg.empty())
	{
		cout<<"Failed to read image.";
		return -1;
	}

	//resize(srcImg, srcImg, Size(288,216));
	imshow("srcImg", srcImg);

	vector<Rect> detectRects, detectRectsAfterNMS;    //保存检测结果
	Mat dstImg = srcImg.clone();
	myHOG.detectMultiScale(dstImg, detectRects, 0, Size(8,8), Size(32,32), 1.05, 2);   //对输入图片进行行人检测
	 
	//对detectRects进行非极大值抑制
	for(int i=0; i < detectRects.size(); i++)
	{
		Rect r = detectRects[i];
		int j=0;
		for(; j < detectRects.size(); j++)
		{
			if(j != i && (r & detectRects[j]) == r)
			{
				break;
			}
		}
		if( j == detectRects.size())
		{
			detectRectsAfterNMS.push_back(r);
		}
	}
 
	//画出NMS之后的行人检测结果
	for(int i=0; i<detectRectsAfterNMS.size(); i++)
	{
		Rect r = detectRectsAfterNMS[i];
		r.x += cvRound(r.width*0.1);
		r.width = cvRound(r.width*0.8);
		r.y += cvRound(r.height*0.07);
		r.height = cvRound(r.height*0.8);
		rectangle(dstImg, r.tl(), r.br(), Scalar(0,255,0), 3);
	}

	imshow("dstImg",dstImg);
	waitKey(0);
}

参考资料：https://blog.****.net/masibuaa/article/details/16105073?utm_source=tuicool&utm_medium=referral

【机器学习】最简单易懂的行人检测功能实现

相关推荐