detect

OpenCV⾏⼈检测HOGDescriptor：：detectMultiScale参数详解

转⾃：

毕设有涉及到⾏⼈检测的内容，虽然⽤opencv⾃带的训练好的数据进⾏了代码实现，但是效果⼀般般。想修改⼀下参数进⾏⼀些优化，可

是直接看opencv中的参数解释还是看不懂，在⽹上搜寻⼀番看到⼀篇博客，理解了⼀些，特转到这⾥。

前段时间学习了HOG描述⼦及其与SVM结合在⾏⼈检测⽅⾯的应⽤。

当我们⽤训练好的模型去检测测试图像时，我们会⽤到detectMultiScale()这个函数来对图像进⾏多尺度检测。

这是opencv3.1⾥的参数解释

可以看到⼀共有8个参数。

(必需)

这个不⽤多解释，显然是要输⼊的图像。图像可以是彩⾊也可以是灰度的。

ocations

存取检测到的⽬标位置

eshold(可选)

opencvdocuments的解释是特征到SVM超平⾯的距离的阈值(ThresholdforthedistancebetweenfeaturesandSVMclassifying

plane)

所以说这个参数可能是控制HOG特征与SVM最优超平⾯间的最⼤距离，当距离⼩于阈值时则判定为⽬标。

ide(可选)

HoG检测窗⼝移动时的步长(⽔平及竖直)。

winStride和scale都是⽐较重要的参数，需要合理的设置。⼀个合适参数能够⼤⼤提升检测精确度，同时也不会使检测时间太长。

g(可选)

在原图外围添加像素，作者在原⽂中提到，适当的pad可以提⾼检测的准确率（可能pad后能检测到边⾓的⽬标？）

常见的padsize有(8,8),(16,16),(24,24),(32,32).

(可选)

如图是⼀个图像⾦字塔，也就是图像的多尺度表⽰。每层图像都被缩⼩尺⼨并⽤gaussian平滑。

scale参数可以具体控制⾦字塔的层数，参数越⼩，层数越多，检测时间也长。⼀下分别是1.011.51.03时检测到的⽬标。通常scale在

1.01-1.5这个区间

hreshold（可选）

这个参数不太清楚，有⼈说是为了优化最后的boundingbox

nShiftGrouping(可选)

bool类型，决定是否应⽤meanshift来消除重叠。

default为fal，通常也设为fal，另⾏应⽤non-maximasupperssion效果更好。