本文主要介绍下opencv中怎样使用hog算法，因为在opencv中已经集成了hog这个类。其实使用起来是很简单的，从后面的代码就可以看出来。本文参考的资料为opencv自带的sample。

　 关于opencv中hog的源码分析，可以参考本人的另一篇博客：opencv源码解析之(6)：hog源码分析

　　开发环境：opencv2.4.2+Qt4.8.2+ubuntu12.04+QtCreator2.5.

　　实验功能：

　　单击Open Image按钮，选择需要进行人检测的一张图片，确定后自动显示出来。该图片的大小没限制。

　　单击People Detect按钮，则程序会自动对该图片进行行人检测，且将检测到的效果显示出来，即用1个矩形框将行人框出来。

　　单击Close按钮，退出程序。

　　实验说明：

　　1. hog描述子在opencv中为HOGDescriptor。

　　2.可以调用该描述子setSVMDetector方法给用于对hog特征进行分类的svm模型的系数赋值，这里的参数为HOGDescriptor::getDefaultPeopleDetector()时表示采用系统默认的参数，因为这些参数是用很多图片训练而来的。　　

　　3. 对输入图片进行行人检测时由于图片的大小不一样，所以要用到多尺度检测。这里是用hog类的方法detectMultiScale。参数解释如下：

HOGDescriptor::detectMultiScale(const GpuMat& img, vector<Rect>& found_locations, doublehit_threshold=0, Size win_stride=Size(), Size padding=Size(), double scale0=1.05, int group_threshold=2)

　　该函数表示对输入的图片img进行多尺度行人检测 img为输入待检测的图片；found_locations为检测到目标区域列表；参数3为程序内部计算为行人目标的阈值，也就是检测到的特征到SVM分类超平面的距离;参数4为滑动窗口每次移动的距离。它必须是块移动的整数倍；参数5为图像扩充的大小；参数6为比例系数，即滑动窗口每次增加的比例；参数7为组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用，为0时表示不起调节作用。

   4.  最后对检测出来的目标矩形框，要采用一些方法处理，比如说2个目标框嵌套着，则选择最外面的那个框。5.  因为hog检测出的矩形框比实际人体框要稍微大些,所以需要对这些矩形框大小尺寸做一些调整。

实验结果： 图片1效果：

图片2效果：

图片3效果：

图片4效果：

实验主要部分代码(附录有工程code下载链接)：

#include "dialog.h"
#include "ui_dialog.h"
#include <QtCore>
#include <QtGui>Dialog::Dialog(QWidget *parent) :QDialog(parent),ui(new Ui::Dialog)
{ui->setupUi(this);
}Dialog::~Dialog()
{delete ui;
}void Dialog::on_openButton_clicked()
{QString img_mame = QFileDialog::getOpenFileName(this, "Open img", "../people", tr("Image Files(*.png *.jpg *.bmp *.jpeg)"));img = imread( img_mame.toAscii().data() );imwrite("../hog_test.jpg", img);ui->textBrowser->setFixedSize(img.cols, img.rows);ui->textBrowser->append("<img src=../hog_test.jpg>");
}void Dialog::on_detectButton_clicked()
{vector<Rect> found, found_filtered;cv::HOGDescriptor people_dectect_hog;//采用默认的已经训练好了的svm系数作为此次检测的模型people_dectect_hog.setSVMDetector(cv::HOGDescriptor::getDefaultPeopleDetector());//对输入的图片img进行多尺度行人检测//img为输入待检测的图片；found为检测到目标区域列表；参数3为程序内部计算为行人目标的阈值，也就是检测到的特征到SVM分类超平面的距离;//参数4为滑动窗口每次移动的距离。它必须是块移动的整数倍；参数5为图像扩充的大小；参数6为比例系数，即测试图片每次尺寸缩放增加的比例；//参数7为组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用，为0时表示不起调节作用。people_dectect_hog.detectMultiScale(img, found, 0, Size(8, 8), Size(32, 32), 1.05, 2);//从源码中可以看出://#define __SIZE_TYPE__ long unsigned int//typedef __SIZE_TYPE__ size_t;//因此,size_t是一个long unsigned int类型size_t i, j;for (i = 0; i < found.size(); i++ ){Rect r = found[i];//下面的这个for语句是找出所有没有嵌套的矩形框r,并放入found_filtered中,如果有嵌套的//话,则取外面最大的那个矩形框放入found_filtered中for(j = 0; j <found.size(); j++)if(j != i && (r&found[j])==r)break;if(j == found.size())found_filtered.push_back(r);}//在图片img上画出矩形框,因为hog检测出的矩形框比实际人体框要稍微大些,所以这里需要//做一些调整for(i = 0; i <found_filtered.size(); i++){Rect r = found_filtered[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(img, r.tl(), r.br(), Scalar(0, 255, 0), 3);}imwrite("../hog_test_result.jpg", img);ui->textBrowser->clear();ui->textBrowser->append("<img src=../hog_test_result.jpg>");}void Dialog::on_closeButton_clicked()
{close();
}

实验总结：
从实验的结果来看，图片检测的准确率一般，当人体遮挡情况比较严重，且背景比较复杂时，有些误检和漏检。不过程序的检查速度还行，因为源码中用做了些优化处理。

　附：工程code下载。

http://www.cnblogs.com/tornadomeet/archive/2012/08/03/2621814.html

http://www.docin.com/p-119795862.html

http://www.pudn.com/downloads89/sourcecode/graph/texture_mapping/detail339697.html

http://www.pudn.com/downloads377/sourcecode/graph/opencv/detail1626443.html

http://www.doc88.com/p-0901980821190.html

http://wenku.baidu.com/link?url=UyGzJEwDnJoT418mMt2V9ciCoxQlmtGGSkhRmk1mIRh0g0AgyAiylhekqfseOk1c0SgLhc2r-x9CbkdW5nkp_yJu_UI97RVMb-t6SeMeNW_ 中山大学博士学位论文

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkmtGkxyOh_GobIHQfGsTrQHP61yAIIKdZTxeJRvMYI0i 开尔曼滤波

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkQSr-1Za7kaSgwJ_kSl3VNmyfL6Y4BQnZuJIM9DAVhUK 人体检测博士论文

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkxOLrBmNqLzEbQRFTGujs--XJwVat1PcRChTvXNCGaaC 多尺度行人检测

http://www.jdl.ac.cn/project/faceId/res-track.htm

http://www.cnblogs.com/ztfei/archive/2012/09/02/2667607.html

http://wenku.baidu.com/link?url=U-nR0nMss-k9ohQdLaKijTA2xsnx49kPu_1bnclVNaGqnxILz-8yUGK1pVBQM2lkxOLrBmNqLzEbQRFTGujs--XJwVat1PcRChTvXNCGaaC 基于harr和hog的检测

http://wenku.baidu.com/view/359a912ded630b1c59eeb577.html 优化

http://oaps.lib.tsinghua.edu.cn/handle/123456789/2240 清华

http://www.cnblogs.com/tornadomeet/archive/2012/08/15/2640754.html