前段時間學習了hog描述子及其與svm結合在行人檢測方面的應用。
當我們用訓練好的模型去檢測測試影象時，我們會用到detectmultiscale() 這個函式來對影象進行多尺度檢測。
這是opencv3.1裡的引數解釋
可以看到一共有8個引數。
1.img(必需)
這個不用多解釋，顯然是要輸入的影象。影象可以是彩色也可以是灰度的。
2.foundlocations
訪問檢測到的目標位置
3.hitthreshold (可選)
opencv documents的解釋是特徵到svm超平面的距離的閾值(threshold for the distance between features and svm classifying plane)
所以說這個引數可能是控制hog特徵與svm最優超平面間的最大距離，當距離小於閾值時則判定為目標。
4.winstride(可選)
hog檢測視窗移動時的步長(水平及豎直)。
winstride和scale都是比較重要的引數，需要合理的設定。乙個合適引數能夠大大提公升檢測精確度，同時也不會使檢測時間太長。
5.padding(可選)
在原圖外圍新增畫素，作者在原文中提到，適當的pad可以提高檢測的準確率（可能pad後能檢測到邊角的目標？）
常見的pad size 有(8, 8), (16, 16), (24, 24), (32, 32).
6.scale(可選)
如圖是乙個影象金字塔，也就是影象的多尺度表示。每層影象都被縮小尺寸並用gaussian平滑。
scale引數可以具體控制金字塔的層數，引數越小，層數越多，檢測時間也長。 一下分別是1.01 1.5 1.03 時檢測到的目標。 通常scale在1.01-1.5這個區間
7.finalthreshold（可選）
這個引數不太清楚，有人說是為了優化最後的bounding box
8.usemeanshiftgrouping(可選)
bool 型別，決定是否應用meanshift 來消除重疊。
default為false，通常也設為false，另行應用non-maxima supperssion效果更好。
HOG detectMultiScale 引數分析
好文章，想分享，侵權刪 前段時間學習了hog描述子及其與svm結合在行人檢測方面的應用。當我們用訓練好的模型去檢測測試影象時，我們會用到detectmultiscale 這個函式來對影象進行多尺度檢測。這是opencv3.1裡的引數解釋 可以看到一共有8個引數。1.img 必需 這個不用多解釋，顯然...
IOS property 引數分類
property 引數分為4類 property 引數分為4類 1.與set方法記憶體管理相關引數 retain 要生成符合記憶體管理原則的set方法 應用與物件型別 assign 直接賦值,物件型別,基本資料型別 copy 後面講解 2.多執行緒相關 nonatomic 不生成多執行緒線管 使用這...
引數分配演算法
具有n個自由度 即關節 的開放式運動鏈的引數分配過程總結如下 從標記所有關節。從標記所有連桿，0表示為固定連桿。繪製線條通過所有關節，定義關節軸。將每個座標系的z軸指定為沿其關節軸指向的點。定義各座標系z軸方向。中間關節 指不是基關節和末端執行器 的端點連線兩個軸和。i從 到n 1，分配 對於ske...