运行环境为:Ubuntu 16.04 && OpenCV 2.4.13 代码参考自:http://blog.csdn.net/masibuaa/article/details/16105073 INRIA Person数据库下载: 【相关说明】 【直接下载地址(970M)】ftp://ftp.inrialpes.fr/pub/lear/douze/data/INRIAPerson.tar
开始前建立文件夹用于存储正负样本和HardExample,正样本图片直接复制INRIA中的正样本图片,负样本图片通过裁剪得到。
$ mkdir -p dataset/pos dataset/neg dataset/HardExample
$ cp INRIAPerson/96X160H96/Train/pos/* dataset/pos/
$ cmake .
$ make
也可以在命令行使用
g++
编译出可执行文件,例如
$ g++ -o CropImage crop_image.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o SvmTrainUseHog main.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o GetHardExample find_save_HardExample.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o ImageDetect image_detect.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o VideoDetect video_detect.cpp $(pkg-config opencv --cflags --libs)
$ g++ -o PeopleDetect peopledetect.cpp $(pkg-config opencv --cflags --libs)
INRIA中有1218张负样本图片,CropImage
从每一张图片中随机裁剪出10张大小为64x128的图片,最终总共会得到12180张图片,存储在dataset/neg文件夹中。上面已经编译出了可执行文件,直接通过CropImage
裁剪出负样本图片。
$ ./CropImage
先修改 dataset.h
里面参数,将 TRAIN
由 false
改为 true
, 以进行训练,参数修改后需通过 make
重新编译可执行文件,然后通过 SvmTrainUseHog
开始训练。
$ make
$ ./SvmTrainUseHog
到这里已经得到了 SVM_HOG.xml
可以用来进行检测,但是检测效果不太好,所以下面加入 HardExample 来进行进一步训练。
通过 GetHardExample
从 INRIA 原始的负样本图片中检测出 HardExample ,图片会保存到 dataset/HardExample
$ ./GetHardExample
将 HardExample 图片列表写入文件 HardExample_FromINRIA_NegList.txt
,
修改 dataset.h
里面的参数,将 HardExampleNO
由 0
改为第三步中得到的图片数目,修改后通过 make
重新编译可执行文件,最后通过 SvmTrainUseHog
重新训练。
$ ls dataset/HardExample/ >HardExample_FromINRIA_NegList.txt
$ make
$ ./SvmTrainUseHog
SVM_HOG.xml
为最终训练好的SVM分类器ImageDetect
可对图片进行检测VideoDetect
可对视频进行检测PeopleDetect
为OpenCV默认参数的行人检测程序
源文件: https://github.com/icsfy/Pedestrian_Detection
参考:https://blog.csdn.net/gojawee/article/category/6778915/1
-
将 INRIAPerson.tar 下载解压。 (http://pascal.inrialpes.fr/data/human/)
-
mkdir -p dataset/pos dataset/neg dataset/HardExample
cp INRIAPerson/96X160H96/Train/pos/* dataset/pos/ Windows下手动生成几个文件夹并将图片放到pos文件夹下
-
使用 vs2015 + opencv2.4.13 编译相关文件 1)编译 crop_image.cpp + dataset.h + my_svm.h,生成用于裁剪负样本图片的程序。 2)编译 main.cpp + dataset.h + my_svm.h,生成用于训练的程序。 3)编译 find_save_HardExample.cpp + dataset.h + my_svm.h,生成用于获取HardExample的程序。 4)编译 image_detect.cpp + dataset.h + my_svm.h,用于生成测试的程序。 5)peopledetect.cpp ,生成的opencv自带的行人检测程序。 6)video_detect.cpp,生成用于检测视频中行人的检测程序。
可能出现的问题: 1. 修改训练窗口大小不是 64x128, 可能会出现 OpenCV Error: Assertion failed <checkDetectorSize<>> in cv::HOGDescriptor::setSVMDetector, file ........\opencv\modules\objdetect\src\hog.cpp, line89 解决:在mian.cpp函数中增加hog检测子的大小定义。 #ifdef train_image_64x128 HOGDescriptor myHOG; #else HOGDescriptor myHOG(Size(32, 64), Size(16, 16), Size(8, 8), Size(8, 8), 9);//HOG检测器,用来计算HOG描述子的 #endif
-
训练样本或者hard样本时 OpenCV Error: Assertion failed (ssize.area() > 0) in cv::resize, file C:\build\2_4_winpack-build-win64-vc14\opencv\modules\imgproc\src\imgwarp.cpp, line 1968 分析: 1.空路径空文件等 2.超大文件,数据溢出 3.检测出的窗口大小为 0的情况下去resize
OpenCV Error: Assertion failed (dims <= 2 && step[0] > 0) in cv::Mat::locateROI, file C: 分析: 出错的地方位于opencv内部的“断言”错误。看相关代码,是在调用opencv相关函数的时候参数不符合规则。 也就是说,代码在访问某个Mat矩阵时越界了,所以报错。 解决:查看 D:\work\git\Pedestrian_Detection\HardExample_FromINRIA_NegList.txt 等相关文件中的编码方式是否是 UTF-8