- 操作系统：ubuntu22.04
- OpenCV版本：OpenCV4.9
- IDE:Visual Studio Code
- 编程语言：C++11
算法描述
cv::cuda::HOG 是 OpenCV 的 CUDA 模块中对 HOG 特征提取和目标检测 提供的 GPU 实现。它与 CPU 版本的 cv::HOGDescriptor 类似，但利用了 GPU 的并行计算能力以提高性能。
公共成员函数
创建与初始化
| 函数 |
描述 |
| static Ptr cv::cuda::HOG::create() |
创建一个默认配置的 HOG 对象。 |
| void setSVMDetector(InputArray _svmDetector) |
设置 SVM 分类器权重向量，用于检测特定目标（如行人）。 |
参数设置（与 HOG 特征相关）
| 函数 |
描述 |
| void setWinSize(Size winSize) |
设置检测窗口大小（必须是 cell 大小的整数倍）。 |
| void setBlockSize(Size blockSize) |
设置 block 的大小（单位：像素）。 |
| void setCellSize(Size cellSize) |
设置 cell 的大小（单位：像素）。 |
| void setBinCount(int nBins) |
设置每个 cell 的方向直方图 bin 数量。 |
| void setBlockStride(Size blockStride) |
设置 block 移动步长（单位：像素）。 |
| void setDerivativeAperture(int derivAperture) |
设置图像平滑/导数计算的孔径大小。 |
| void setWinSigma(double winSigma) |
高斯窗口的标准差。 |
| void setHistogramNormType(int histogramNormType) |
设置直方图归一化方式（L2Hys, L1, L1Sqrt, L2）。 |
| void setL2HysNormalization(bool l2HysNormalization) |
是否启用 L2-Hys 归一化。 |
| void setGammaCorrection(bool gammaCorrection) |
是否启用伽马校正。 |
| void setNumLevels(int numLevels) |
设置金字塔层数。 |
检测方法
| 函数 |
描述 |
| void detectMultiScale(InputArray img, OutputArray foundLocations, double hitThreshold = 0, Size winStride = Size(), Size padding = Size()) |
在图像中多尺度检测目标，并返回检测到的位置（矩形框）。 |
示例代码（GPU 上的行人检测）
#include <opencv2/cudaobjdetect.hpp>
#include <opencv2/opencv.hpp>
int main()
{
cv::Ptr< cv::cuda::HOG > hog = cv::cuda::HOG::create();
std::vector< float > detector = cv::HOGDescriptor::getDefaultPeopleDetector();
hog->setSVMDetector( detector );
cv::Mat frame = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/00001.jpg" );
if ( frame.empty() )
{
std::cerr << "无法读取图像！" << std::endl;
return -1;
}
cv::Mat gray_frame;
cv::cvtColor( frame, gray_frame, cv::COLOR_BGR2GRAY );
cv::cuda::GpuMat d_frame( gray_frame );
std::vector< cv::Rect > found_locations;
hog->detectMultiScale( d_frame, found_locations );
for ( const auto& r : found_locations )
{
cv::rectangle( frame, r, cv::Scalar( 0, 0, 255 ), 2 );
}
cv::imshow( "Pedestrian Detection", frame );
cv::waitKey( 0 );
return 0;
}
运行结果
效果仅供演示，要想效果专业一下，得自己去训练模型了。