EEPW论坛

项目实战—行人检测之SVM实战

本次我们将使用SVM+HOG来进行行人识别。行人检测，就是将一张图片中的行人检测出来，并输出bounding box级别的结果。而如果将各个行人之间的轨迹关联起来，就变成了行人跟踪。而行人检索则是把一段视频中的某个感兴趣的人检索出来。

在2005年CVPR上，来自法国的研究人员Navneet Dalal 和Bill Triggs提出利用Hog进行特征提取，利用线性SVM作为分类器，从而实现行人检测。

HOG+SVM行人检测

首先计算样本图像的HOG描述子，组成一个特征向量矩阵，对应的要有一个指定每个特征向量的类别的类标向量，输入SVM中进行训练，训练好的SVM分类器保存为XML文件，
然后根据其中的支持向量和参数生成OpenCV中的HOG描述子可用的检测子参数，再调用OpenCV中的多尺度检测函数进行行人检测。

现在利用HOG特征来进行行人检测，既然要有了特征，现在其实要有一个方法来判断是否一个图片的某一部分是行人，SVM是一个很好的机器学习方法，可以用来分类，结合HOG特征就可以用来检测图片中的行人。OpenCV中集成了一个方法，getDefaultPeopleDetector等可以直接得到一个SVM的分类器，这个分类器是OpenCV自带的已经训练好的，可以直接拿来使用。下面可以看一下使用它的代码。

首先我们进行图片检测：

# import the necessary packages
 from __future__ import print_function
 from imutils.object_detection import non_max_suppression
 from imutils import paths
 import numpy as np
 import argparse
 import imutils
 import cv2
 
 # construct the argument parse and parse the arguments
 ap = argparse.ArgumentParser()
 ap.add_argument("-i", "--images", required=True, help="path to images directory")
 args = vars(ap.parse_args())
 
 # initialize the HOG descriptor/person detector
 hog = cv2.HOGDescriptor()
 hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
 
 # loop over the image paths
 for imagePath in paths.list_images(args["images"]):
     # load the image and resize it to (1) reduce detection time
     # and (2) improve detection accuracy
     image = cv2.imread(imagePath)
     image = imutils.resize(image, width=min(400, image.shape[1]))
     orig = image.copy()
 
     # detect people in the image
     (rects, weights) = hog.detectMultiScale(image, winStride=(1, 1),
                                             padding=(8, 8), scale=1.05)
 
     # draw the original bounding boxes
     for (x, y, w, h) in rects:
         cv2.rectangle(orig, (x, y), (x + w, y + h), (0, 0, 255), 2)
 
     # apply non-maxima suppression to the bounding boxes using a
     # fairly large overlap threshold to try to maintain overlapping
     # boxes that are still people
     rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
     pick = non_max_suppression(rects, probs=None, overlapThresh=0.45)
 
     # draw the final bounding boxes
     for (xA, yA, xB, yB) in pick:
         cv2.rectangle(image, (xA, yA), (xB, yB), (0, 255, 0), 2)
 
     # show some information on the number of bounding boxes
     filename = imagePath[imagePath.rfind("/") + 1:]
     print("[INFO] {}: {} original boxes, {} after suppression".format(
         filename, len(rects), len(pick)))
 
     # show the output images
     cv2.imshow("Before NMS", orig)
     cv2.moveWindow('Before NMS', x=0, y=0)
     cv2.imshow("After NMS", image)
     cv2.moveWindow('After NMS', x=orig.shape[1], y=0)
     k=cv2.waitKey(0)
     if k==ord('q'):
         break

我们加入了非极大值抑制（前面已经讲过），用来去除一些其他的噪声信息。

实验结果：

右边为使用了极大值抑制之后的结果。

现在我们可以进行视频检测，来看代码：

# import the necessary packages
 from __future__ import print_function
 from imutils.object_detection import non_max_suppression
 from imutils import paths
 import numpy as np
 import argparse
 import imutils
 import cv2
 import time
 
 # construct the argument parse and parse the arguments
 # ap = argparse.ArgumentParser()
 # ap.add_argument("-i", "--images", required=True, help="path to images directory")
 # args = vars(ap.parse_args())
 
 # initialize the HOG descriptor/person detector
 hog = cv2.HOGDescriptor()
 hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
 
 #
 cap = cv2.VideoCapture('videos/
礼让斑马线！齐齐哈尔城市文明的伤！
.mp4')
 # cap = cv2.VideoCapture('../../data/TownCentreXVID.mp4')
 
 fps = cap.get(cv2.CAP_PROP_FPS)  # 25.0
 print("Frames per second using video.get(cv2.CAP_PROP_FPS) : {0}".format(fps))
 num_frames = cap.get(cv2.CAP_PROP_FRAME_COUNT)
 print('
共有
', num_frames, '
帧
')  # 
共有
 2499.0 
帧
 
 frame_height = cap.get(cv2.CAP_PROP_FRAME_HEIGHT)
 frame_width = cap.get(cv2.CAP_PROP_FRAME_WIDTH)
 print('
高：
', frame_height, '
宽：
', frame_width)  # 
高：
 480.0 
宽：
 640.0
 # exit(0)
 
 
 # 
跳过多少帧
 skips = 20
 
 # loop over the image paths
 # for imagePath in paths.list_images(args["images"]):
 while cap.isOpened():
 
     # load the image and resize it to (1) reduce detection time
     # and (2) improve detection accuracy
     # image = cv2.imread(imagePath)
 
     ret, frame = cap.read()
     image = frame
 
     #
     current = cap.get(cv2.CAP_PROP_POS_FRAMES)
     if current % skips != 0:
         continue
 
     image = imutils.resize(image, width=min(400, image.shape[1]))
     orig = image.copy()
 
     # detect people in the image
     (rects, weights) = hog.detectMultiScale(image, winStride=(4, 4),
                                             padding=(8, 8), scale=1.05)
 
     # draw the original bounding boxes
     for (x, y, w, h) in rects:
         cv2.rectangle(orig, (x, y), (x + w, y + h), (0, 0, 255), 2)
 
     # apply non-maxima suppression to the bounding boxes using a
     # fairly large overlap threshold to try to maintain overlapping
     # boxes that are still people
     rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
     pick = non_max_suppression(rects, probs=None, overlapThresh=0.65)
 
     # draw the final bounding boxes
     for (xA, yA, xB, yB) in pick:
         cv2.rectangle(image, (xA, yA), (xB, yB), (0, 255, 0), 2)
 
     # show some information on the number of bounding boxes
     # filename = imagePath[imagePath.rfind("/") + 1:]
     # print("[INFO] {}: {} original boxes, {} after suppression".format(
     print("[INFO] {} original boxes, {} after suppression".format(len(rects), len(pick)))
 
     # show the output images
     cv2.imshow("Before NMS", orig)
     cv2.imshow("After NMS", image)
     cv2.moveWindow("After NMS", y=0, x=400)
 
     key = cv2.waitKey(delay=50)
     if key == ord("q"):
         break
 
 # When everything done, release the capture
 cap.release()
 cv2.destroyAllWindows()

这是视频中的一部分截图，我们可以看到结果。

大家请自行选择视频进行试验。