由于三个参数是RGB频道,提交人对盒子的颜色描述应该不准确,Scalar (0,0,255)是红色,Scalar (0,255,0)是绿色,然而,cv2翻了三个频道。
正文：
HOG(定向梯度高度图、定向梯度直接图)是当代基于机器学习技术的行人测试的主要特征之一。HOG特征是用于目标测试的特征,这些特征是通过计算和测量图像当地区域的梯度方向图而生成的。利用这些特征来描述原始图像的特征。
水文观察组的核心概念是,光功率梯度或边缘方向的分布可成为所探测物体的局部几何特征。将整个图像分割成小连接区域(称为单元格),每个单元格直接绘制梯度或像素边缘的地图。这些直方图的组合揭示了目标的描述(确定的目标)。
为改善准确率，通过测量图像更广泛区域(称为块)的光强度,可以使本地直方图正常化。然后使用这个值来规范这个区块中的所有单元格。 这种常规化技术提高了接触/阴影的中性。与其他描述子相比，HOG提供的描述保存了几何和光学转换(直到物体的方向改变)。因此,对人体测试来说,HOG的描述是理想的。
根据HOG特征,OpenCV完成了两类行人测试。SVM和卡斯卡德,按顺序排列底部的次级程序是两种分类方法的直截了当的应用。OpenCV 级联分类器文件可在“XX Opencvources datahogcasscades”中找到。
SVM 和 Cascade 测试得出以下结果,分别以红色和蓝色矩形框标出:
