基于 H OG+SVM 的行人检测
摘要:
在 2005 年 CVPR 上,来自法国的研究人员 NavneetDalal和 BillTriggs
提出利用 Hog 进行特征提取,利用线性 SVM 作为分类器,从而实现行人检测。
而这两位也通过大量的测试发现,HOG +SVM 是速度和效果综合平衡性能较
好的一种行人检测方法。后来,虽然很多研究人员也提出了很多改进的行人检
测算法,但基本都以该算法为基础框架。因此,HOG+SVM 也成为一个里程表
式的算法被写入到 OpenCV 中。在 OpenCV2.0 之后的版本,都有 HOG 特征
描述算子的 API,而至于 SVM,早在 OpenCV1.0 版本就已经集成进去了;
OpenCV 虽然提供了 HOG 和 SVM 的 API,也提供了行人检测的 sample,遗
憾的是,OpenCV 并没有提供样本训练的 sample。这也就意味着,很多人只
能用 OpenCV 自带的已经训练好的分类器来进行行人检测。然而,OpenCV
自带的分类器是利用 NavneetDalal 和 BillTriggs 提供的样本进行训练的,
不见得能适用于你的应用场合。因此,针对你的特定应用场景,很有必要进行
重新训练得到适合你的分类器。