opencv Hog Demo

需注意此代码要在Release x64之下运行 

#include <iostream>
#include <stdexcept>
#include <opencv2/objdetect.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/imgcodecs.hpp>
//Release x64 版本
using namespace cv;
using namespace std;
int main()
{Mat src = imread("pic4.png");;if (!src.data){cout << "图片未找到!" << endl;return -1;}imshow("input title", src);/*resize(src, src, Size(64, 128));HOGDescriptor detector = HOGDescriptor(Size(64, 128), Size(16, 16), Size(8, 8), Size(8, 8), 9);vector<float>descriptions;vector<Point>points;detector.compute(src, descriptions, Size(0, 0), Size(0, 0), points);cout << "the number of HOG descriptions:" <<descriptions.size()<< endl;*/HOGDescriptor hog = HOGDescriptor();hog.setSVMDetector(hog.getDefaultPeopleDetector());//opencv中已经有训练好的行人检测数据集Mat resultImg = src.clone();vector<Rect>foundlocations;hog.detectMultiScale(src, foundlocations, 0, Size(3, 3), Size(32, 32), 1.05, 2);//根据图片需要随时调整Size()大小for (size_t i = 0; i < foundlocations.size(); i++){//cout << "foundlocation:" << foundlocations[i] << endl;rectangle(resultImg, foundlocations[i], Scalar(0, 0, 255), 2, 8, 0);}imshow("HOG SVM demo", resultImg);waitKey(0);return 0;
}

运行结果:

我的总结:

之前复制网上代码一致不行,执行到 hog.setSVMDetector(hog.getDefaultPeopleDetector())就出错。大概就是Debug Error之类的。曾经怀疑是不是我的opencv3版本中没有这个,于是找到opencv中的samples下peopledetect.cpp案例。那就说明此opencv版本是支持hog的。于是接着找问题在哪里。什么改变平台之类的都试过一遍,还是不行。最后想起可能是引入的包不对?于是就把sample中peopledetect.cpp中的所有include拷贝过来就ok了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/568159.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

图像分类 数据准备(将文件夹中所有图片路径写到TXT文件中)

0文件夹里都是负样本&#xff0c;1文件夹的图像都是正样本图片&#xff0c;接下来就是生成图片的描述文件。 进入控制台 进入你的0/1文件夹下&#xff0c;输入以下命令&#xff1a; dir /b/s/p/w *.jpg > pos.txt&#xff0c;dir /b/s/p/w *.jpg > neg.txt&#xff0c;…

瀑布、V、W、快速原型模型、增量、螺旋模型

瀑布模型&#xff08;Waterfall Model&#xff09; 是最早出现的软件开发模型&#xff0c;它提供了软件开发的基本框架&#xff0c;开发过程是通过设计一系列阶段顺序展开的&#xff0c;从系统需求分析开始直到产品发布和维护&#xff0c;每个阶段都会产生循环反馈&#xff0c;…

opencv Hog学习总结

一、方向梯度 梯度&#xff1a;在向量微积分中&#xff0c;标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向&#xff0c;梯度的长度是这个最大的变化率。更严格的说&#xff0c;从欧几里得空间Rn到R的函数的梯度是在Rn某一点最佳的线性近似。在这个…

深入浅出理解HOG特征---梯度方向直方图

梯度方向直方图 原文路径&#xff1a;https://www.learnopencv.com/histogram-of-oriented-gradients/ 最近在搞车牌识别的时候&#xff0c;训练样本去识别车牌的时候用到HOG特征。国外一篇文章让我受益良多 什么是特征描述符&#xff1f; 特征描述符是指通过提取有用的信息并…

陕西居民医保微信缴纳教程来了,太方便了

2022年居民医保交费步骤如下&#xff1a;1、进入微信&#xff0c;我的页面&#xff0c;点支付进入—点城市服务2、城市服务页面&#xff0c;顶部可切换所在城市&#xff0c;输入框搜索“陕西省社保”&#xff0c;选第一个 “陕西省社保缴纳”进入3、选城乡居民医疗保险&#xf…

SVM理论学习记忆

转载自https://blog.csdn.net/chaipp0607/article/details/73662441 SVM算法在在1995年正式发表&#xff0c;在针对中小型数据规模的分类任务上有着卓越的效果&#xff0c;同时有着完整的理论证明&#xff0c;在20世纪末的几年和21世纪初的10年完胜神经网络&#xff0c;吴恩达…

Python中jmespath解析提取json数据

在做接口自动化&#xff0c;测试断言时&#xff0c;我们经常需要提取接口的的响应数据字段&#xff0c;以前用过jsonpath&#xff0c;有几篇相关文章&#xff0c;可以参考下&#xff08;Python深层解析json数据之JsonPath、【Jmeter篇】后置处理器之正则提取器、Json提取器 、J…

SVM学习记录

第一个min&#xff1a;先在数据中找离决策边界距离最近的样本点 第二个max&#xff1a;寻找w和b使得刚才找到的点离决策边界最远的平面&#xff08;平面方程&#xff1a;&#xff09; 求解出后即可求出w和b。 例如&#xff1a; 如果等于0.根据上面的公式&#xff0c;得到w就为…

缺陷定位 | 测试发现了Bug,还要分析定位Bug?(一)

hello今天分享的内容&#xff0c;可能会有很多朋友持不同观点&#xff0c;或被很多同行朋友diss&#xff0c;不过没关系&#xff0c;即使被喷被diss&#xff0c;我依然会坚持我的观点&#xff0c;把最真实的干货分享给大家&#xff0c;希望得到支持。测试工程师在互联网行业里&…

opencv glob 内存溢出异常

先贴代码(非常简单的代码&#xff09; #include "opencv2/imgproc.hpp" #include "opencv2/highgui.hpp" #include "opencv2/ml.hpp" #include "opencv2/objdetect.hpp" #include <iostream> #include <time.h> using na…

白盒测试 | 用例设计方法之条件组合覆盖

往期关联文章回顾&#xff1a;白盒测试 | 用例设计方法之条件覆盖白盒测试 | 用例设计方法之判定覆盖白盒测试 | 用例设计方法之语句覆盖条件组合覆盖&#xff1a;列出所有判定条件中可能的取值组合&#xff0c;使得每个判定条件结果的所有可能组合至少出现一次程序流程图&…

npm安装教程

一、使用之前&#xff0c;我们先来掌握3个东西是用来干什么的。 npm: Nodejs下的包管理器。 webpack: 它主要的用途是通过CommonJS的语法把所有浏览器端需要发布的静态资源做相应的准备&#xff0c;比如资源的合并和打包。 vue-cli: 用户生成Vue工程模板。&#xff08;帮你快…

测试管理 | 测试经理定义和实施测试度量

往期关联文章回顾&#xff1a;瀑布、V、W、快速原型模型、增量、螺旋模型测试管理 | 4种优先级排序方法一定要掌握测试管理 | 基于风险的测试管理上有这样一句名言&#xff0c;进行度量的工作才会得到有效的执行。反之&#xff0c;因为很容易忽略那些不进行度量的工作&#xff…

Python核心场景自动化测试项目实战(二)

往期关联文章回顾&#xff1a;PytestAllureJenkins接口自动化项目实战&#xff08;一&#xff09;【Python篇】核心场景接口自动化方案&#xff08;一&#xff09;以前我们用pythonunittestHTMLTestRunnerjenkins结合实际项目写过一个核心场景自动化测试&#xff0c;也在实际工…

opencv图像切割1-KMeans方法

kMeans随机数据分类&#xff1a; #include<opencv2\opencv.hpp> #include<iostream> using namespace cv; using namespace std; int main1() {Mat img(500, 500, CV_8UC3);RNG rng(12345);Scalar colorTab[] {Scalar(0,0,255),Scalar(0,255,0),Scalar(255,0,0),…

mitmproxy抓包 | Python疑难测试场景mock

往期经典文章回顾&#xff1a;抓包工具mitmproxy环境配置使用&#xff08;一&#xff09;抓包工具mitmproxy | mitmweb基本用法&#xff08;二&#xff09;mitmproxy抓包 | Python实时生成接口自动化用例mitmproxy抓包 | Python实时生成接口自动化用例&#xff08;三&#xff0…

opencv图像分割2-GMM

GMM随机数分类&#xff1a; #include<opencv2\opencv.hpp> #include<iostream> using namespace cv; using namespace std; using namespace cv::ml; int main() {Mat imgMat::zeros(500, 500, CV_8UC3);RNG rng(12345);Scalar colorTab[] {Scalar(0,0,255),Scal…

mitmproxy抓包 | Python疑难测试场景mock实战(四)

往期经典文章回顾&#xff1a;抓包工具mitmproxy环境配置使用&#xff08;一&#xff09;抓包工具mitmproxy | mitmweb基本用法&#xff08;二&#xff09;mitmproxy抓包 | Python实时生成接口自动化用例mitmproxy抓包 | Python实时生成接口自动化用例&#xff08;三&#xff0…

mitmproxy抓包 | Python篡改请求参数实战(五)

抓包工具mitmproxy环境配置使用&#xff08;一&#xff09;抓包工具mitmproxy | mitmweb基本用法&#xff08;二&#xff09;mitmproxy抓包 | Python实时生成接口自动化用例&#xff08;三&#xff09;mitmproxy抓包 | Python实时生成接口自动化用例mitmproxy抓包 | Python疑难…