HOG（Histogram of Oriented Gradients）記述子および物体検出器の実装。続き...

#include <opencv2/xobjdetect.hpp>

Collaboration diagram for cv::HOGDescriptor:

公開型
enum	{ DEFAULT_NLEVELS = 64 }

enum	DescriptorStorageFormat { DESCR_FORMAT_COL_BY_COL , DESCR_FORMAT_ROW_BY_ROW }

enum	HistogramNormType { L2Hys = 0 }

公開メンバ関数
	HOGDescriptor (const HOGDescriptor &d)

	HOGDescriptor (const String &filename)

	HOGDescriptor (Size _winSize=Size(64, 128), Size _blockSize=Size(16, 16), Size _blockStride=Size(8, 8), Size _cellSize=Size(8, 8), int _nbins=9, int _derivAperture=1, double _winSigma=-1, HOGDescriptor::HistogramNormType _histogramNormType=HOGDescriptor::L2Hys, double _L2HysThreshold=0.2, bool _gammaCorrection=true, int _nlevels=HOGDescriptor::DEFAULT_NLEVELS, bool _signedGradient=false)
	デフォルト引数でHOG記述子・検出器を生成する。

virtual	~HOGDescriptor ()
	デフォルトのデストラクタ。

bool	checkDetectorSize () const
	検出器のサイズが記述子のサイズと等しいかを確認する。

virtual void	compute (InputArray img, std::vector< float > &descriptors, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &locations=std::vector< Point >()) const
	指定した画像のHOG記述子を計算する。

virtual void	computeGradient (InputArray img, InputOutputArray grad, InputOutputArray angleOfs, Size paddingTL=Size(), Size paddingBR=Size()) const
	勾配と量子化された勾配方向を計算する。

virtual void	copyTo (HOGDescriptor &c) const
	HOGDescriptor をクローンする

virtual void	detect (InputArray img, std::vector< Point > &foundLocations, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &searchLocations=std::vector< Point >()) const
	マルチスケールウィンドウを使わずに物体検出を行う。

virtual void	detect (InputArray img, std::vector< Point > &foundLocations, std::vector< double > &weights, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), const std::vector< Point > &searchLocations=std::vector< Point >()) const
	マルチスケールウィンドウを使わずに物体検出を行う。

virtual void	detectMultiScale (InputArray img, std::vector< Rect > &foundLocations, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), double scale=1.05, double groupThreshold=2.0, bool useMeanshiftGrouping=false) const
	入力画像中の様々なサイズの物体を検出する。検出された物体は矩形のリストとして返される。

virtual void	detectMultiScale (InputArray img, std::vector< Rect > &foundLocations, std::vector< double > &foundWeights, double hitThreshold=0, Size winStride=Size(), Size padding=Size(), double scale=1.05, double groupThreshold=2.0, bool useMeanshiftGrouping=false) const
	入力画像中の様々なサイズの物体を検出する。検出された物体は矩形のリストとして返される。

virtual void	detectMultiScaleROI (InputArray img, std::vector< cv::Rect > &foundLocations, std::vector< DetectionROI > &locations, double hitThreshold=0, int groupThreshold=0) const
	指定したROIを複数スケールで評価し、各位置の信頼度値を返す。

virtual void	detectROI (InputArray img, const std::vector< cv::Point > &locations, std::vector< cv::Point > &foundLocations, std::vector< double > &confidences, double hitThreshold=0, cv::Size winStride=Size(), cv::Size padding=Size()) const
	指定したROIを評価し、各位置の信頼度値を返す。

size_t	getDescriptorSize () const
	分類に必要な係数の数を返す。

double	getWinSigma () const
	winSigma 値を返す。

void	groupRectangles (std::vector< cv::Rect > &rectList, std::vector< double > &weights, int groupThreshold, double eps) const
	オブジェクト候補の矩形をグループ化する。

virtual bool	load (const String &filename, const String &objname=String())
	線形SVM分類器のための HOGDescriptor の引数と係数をファイルから読み込む

virtual bool	read (FileNode &fn)
	線形SVM分類器のための HOGDescriptor の引数と係数をファイルノードから読み込む。

virtual void	save (const String &filename, const String &objname=String()) const
	線形SVM分類器のための HOGDescriptor の引数と係数をファイルに保存する

virtual void	setSVMDetector (InputArray svmdetector)
	線形SVM分類器の係数を設定する。

virtual void	write (FileStorage &fs, const String &objname) const
	線形SVM分類器のための HOGDescriptor の引数と係数をファイルストレージに格納する。

静的公開メンバ関数
static std::vector< float >	getDaimlerPeopleDetector ()
	人物検出用に学習された分類器の係数を返す（48x96のウィンドウ用）。

static std::vector< float >	getDefaultPeopleDetector ()
	人物検出用に学習された分類器の係数を返す（64x128のウィンドウ用）。

公開変数類
Size	blockSize
	ブロックサイズ（ピクセル単位）。セルサイズに合わせる。デフォルト値は Size(16,16)。

Size	blockStride
	ブロックのストライド。セルサイズの倍数でなければならない。デフォルト値は Size(8,8)。

Size	cellSize
	セルサイズ。デフォルト値は Size(8,8)。

int	derivAperture
	ドキュメント化されていない

float	free_coef
	ドキュメント化されていない

bool	gammaCorrection
	ガンマ補正の前処理を行うかどうかを指定するフラグ。

HOGDescriptor::HistogramNormType	histogramNormType
	histogramNormType

double	L2HysThreshold
	L2-Hys正規化手法の縮小（shrinkage）。

int	nbins
	勾配ヒストグラムの計算に用いるビン数。デフォルト値は9。

int	nlevels
	検出ウィンドウを拡大する最大回数。デフォルト値は64。

UMat	oclSvmDetector
	OpenCLが有効な場合に使用される線形SVM分類器の係数

bool	signedGradient
	符号付き勾配を使用するかどうかを示す。

std::vector< float >	svmDetector
	線形SVM分類器の係数。

double	winSigma
	ガウシアン平滑化ウィンドウの引数。

Size	winSize
	検出ウィンドウのサイズ。ブロックサイズとブロックストライドに合わせる。デフォルト値は Size(64,128)。

詳細説明

HOG（Histogram of Oriented Gradients）記述子および物体検出器の実装。

Navneet Dalal と Bill Triggs によって導入されたHOG記述子アルゴリズム [66] 。

参考リンク:

https://hal.inria.fr/inria-00548512/document/

https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

https://software.intel.com/en-us/ipp-dev-reference-histogram-of-oriented-gradients-hog-descriptor

http://www.learnopencv.com/histogram-of-oriented-gradients

http://www.learnopencv.com/handwritten-digits-classification-an-opencv-c-python-tutorial

例: samples/hog_tapi.cpp、および samples/peopledetect.cpp。

列挙型メンバ詳解

◆ anonymous enum

anonymous enum

列挙値
DEFAULT_NLEVELS	nlevels のデフォルト値。

◆ DescriptorStorageFormat

enum cv::HOGDescriptor::DescriptorStorageFormat

列挙値
DESCR_FORMAT_COL_BY_COL
DESCR_FORMAT_ROW_BY_ROW

◆ HistogramNormType

enum cv::HOGDescriptor::HistogramNormType

列挙値
L2Hys	histogramNormType のデフォルト値。

構築子と解体子の詳解

◆ HOGDescriptor() [1/3]

cv::HOGDescriptor::HOGDescriptor	(	Size	_winSize = Size(64, 128),
		Size	_blockSize = Size(16, 16),
		Size	_blockStride = Size(8, 8),
		Size	_cellSize = Size(8, 8),
		int	_nbins = 9,
		int	_derivAperture = 1,
		double	_winSigma = -1,
		HOGDescriptor::HistogramNormType	_histogramNormType = HOGDescriptor::L2Hys,
		double	_L2HysThreshold = 0.2,
		bool	_gammaCorrection = true,
		int	_nlevels = HOGDescriptor::DEFAULT_NLEVELS,
		bool	_signedGradient = false )

inline

Python:
	cv.HOGDescriptor(	[, _winSize[, _blockSize[, _blockStride[, _cellSize[, _nbins[, _derivAperture[, _winSigma[, _histogramNormType[, _L2HysThreshold[, _gammaCorrection[, _nlevels[, _signedGradient]]]]]]]]]]]]	) ->	<HOGDescriptor object>
	cv.HOGDescriptor(	filename	) ->	<HOGDescriptor object>

デフォルト引数でHOG記述子・検出器を生成する。

引数

_winSize	winSize に指定した値を設定する。
_blockSize	blockSize に指定した値を設定する。
_blockStride	blockStride に指定した値を設定する。
_cellSize	cellSize に指定した値を設定する。
_nbins	nbins に指定した値を設定する。
_derivAperture	derivAperture に指定した値を設定する。
_winSigma	winSigma に指定した値を設定する。
_histogramNormType	histogramNormType に指定した値を設定する。
_L2HysThreshold	L2HysThreshold に指定した値を設定する。
_gammaCorrection	gammaCorrection に指定した値を設定する。
_nlevels	nlevels に指定した値を設定する。
_signedGradient	signedGradient に指定した値を設定する。

◆ HOGDescriptor() [2/3]

cv::HOGDescriptor::HOGDescriptor ( const String & filename )

inline

Python:
	cv.HOGDescriptor(	[, _winSize[, _blockSize[, _blockStride[, _cellSize[, _nbins[, _derivAperture[, _winSigma[, _histogramNormType[, _L2HysThreshold[, _gammaCorrection[, _nlevels[, _signedGradient]]]]]]]]]]]]	) ->	<HOGDescriptor object>
	cv.HOGDescriptor(	filename	) ->	<HOGDescriptor object>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

HOG記述子と検出器を作成し、線形SVM分類器のための HOGDescriptor の引数と係数をファイルから読み込む。

引数

filename 線形SVM分類器のための HOGDescriptor のプロパティと係数を含むファイル名。

◆ HOGDescriptor() [3/3]

cv::HOGDescriptor::HOGDescriptor ( const HOGDescriptor & d )

inline

Python:
	cv.HOGDescriptor(	[, _winSize[, _blockSize[, _blockStride[, _cellSize[, _nbins[, _derivAperture[, _winSigma[, _histogramNormType[, _L2HysThreshold[, _gammaCorrection[, _nlevels[, _signedGradient]]]]]]]]]]]]	) ->	<HOGDescriptor object>
	cv.HOGDescriptor(	filename	) ->	<HOGDescriptor object>

これは利便性のために提供されているオーバーロードされたメンバ関数である。上記の関数とは、受け取る引数のみが異なる。

引数

d	新しいものを作成するためにクローンされる HOGDescriptor。

この関数の呼び出しグラフ:

◆ ~HOGDescriptor()

virtual cv::HOGDescriptor::~HOGDescriptor ( )

inlinevirtual

デフォルトのデストラクタ。

メンバ関数詳解

◆ checkDetectorSize()

bool cv::HOGDescriptor::checkDetectorSize ( ) const

Python:
	cv.HOGDescriptor.checkDetectorSize(		) ->	retval

検出器のサイズが記述子のサイズと等しいかを確認する。

◆ compute()

virtual void cv::HOGDescriptor::compute	(	InputArray	img,
		std::vector< float > &	descriptors,
		Size	winStride = Size(),
		Size	padding = Size(),
		const std::vector< Point > &	locations = std::vector< Point >() ) const

virtual

Python:
	cv.HOGDescriptor.compute(	img[, winStride[, padding[, locations]]]	) ->	descriptors

指定した画像のHOG記述子を計算する。

引数

img	HOG特徴が計算される画像を含む CV_8U 型の行列。
descriptors	CV_32F 型の行列。
winStride	ウィンドウのストライド。ブロックストライドの倍数でなければならない。
padding	パディング
locations	Point のベクトル

◆ computeGradient()

virtual void cv::HOGDescriptor::computeGradient	(	InputArray	img,
		InputOutputArray	grad,
		InputOutputArray	angleOfs,
		Size	paddingTL = Size(),
		Size	paddingBR = Size() ) const

virtual

Python:
	cv.HOGDescriptor.computeGradient(	img, grad, angleOfs[, paddingTL[, paddingBR]]	) ->	grad, angleOfs

勾配と量子化された勾配方向を計算する。

引数

img	計算対象の画像を含む行列
grad	計算された勾配を含む CV_32FC2 型の行列
angleOfs	量子化された勾配方向を含む CV_8UC2 型の行列
paddingTL	左上からのパディング
paddingBR	右下からのパディング

◆ copyTo()

virtual void cv::HOGDescriptor::copyTo ( HOGDescriptor & c ) const

virtual

HOGDescriptor をクローンする

引数

c	クローンされた HOGDescriptor

◆ detect() [1/2]

virtual void cv::HOGDescriptor::detect	(	InputArray	img,
		std::vector< Point > &	foundLocations,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	padding = Size(),
		const std::vector< Point > &	searchLocations = std::vector< Point >() ) const

virtual

Python:
	cv.HOGDescriptor.detect(	img[, hitThreshold[, winStride[, padding[, searchLocations]]]]	) ->	foundLocations, weights

マルチスケールウィンドウを使わずに物体検出を行う。

引数

img	オブジェクトが検出される画像を含む CV_8U または CV_8UC3 型の行列。
foundLocations	各点が検出されたオブジェクト境界の左上隅の点を含む、点のベクトル。
hitThreshold	特徴とSVM分類平面との間の距離に対するしきい値。通常は 0 であり、検出器の係数で（最後の自由係数として）指定されるべきである。ただし自由係数が（許容されているが）省略されている場合は、ここで手動で指定できる。
winStride	ウィンドウのストライド。ブロックストライドの倍数でなければならない。
padding	パディング
searchLocations	探索する位置を含む Point のベクトル。

◆ detect() [2/2]

virtual void cv::HOGDescriptor::detect	(	InputArray	img,
		std::vector< Point > &	foundLocations,
		std::vector< double > &	weights,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	padding = Size(),
		const std::vector< Point > &	searchLocations = std::vector< Point >() ) const

virtual

Python:
	cv.HOGDescriptor.detect(	img[, hitThreshold[, winStride[, padding[, searchLocations]]]]	) ->	foundLocations, weights

マルチスケールウィンドウを使わずに物体検出を行う。

引数

img	オブジェクトが検出される画像を含む CV_8U または CV_8UC3 型の行列。
foundLocations	各点が検出されたオブジェクト境界の左上隅の点を含む、点のベクトル。
weights	検出された各オブジェクトの信頼度値を格納するベクトル。
hitThreshold	特徴とSVM分類平面との間の距離に対するしきい値。通常は 0 であり、検出器の係数で（最後の自由係数として）指定されるべきである。ただし自由係数が（許容されているが）省略されている場合は、ここで手動で指定できる。
winStride	ウィンドウのストライド。ブロックストライドの倍数でなければならない。
padding	パディング
searchLocations	評価対象として要求された位置の集合を含む Point のベクトル。

◆ detectMultiScale() [1/2]

virtual void cv::HOGDescriptor::detectMultiScale	(	InputArray	img,
		std::vector< Rect > &	foundLocations,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	padding = Size(),
		double	scale = 1.05,
		double	groupThreshold = 2.0,
		bool	useMeanshiftGrouping = false ) const

virtual

Python:
	cv.HOGDescriptor.detectMultiScale(	img[, hitThreshold[, winStride[, padding[, scale[, groupThreshold[, useMeanshiftGrouping]]]]]]	) ->	foundLocations, foundWeights

入力画像中の様々なサイズの物体を検出する。検出された物体は矩形のリストとして返される。

引数

img	オブジェクトが検出される画像を含む CV_8U または CV_8UC3 型の行列。
foundLocations	各矩形が検出されたオブジェクトを含む、矩形のベクトル。
hitThreshold	特徴とSVM分類平面との間の距離に対するしきい値。通常は 0 であり、検出器の係数で（最後の自由係数として）指定されるべきである。ただし自由係数が（許容されているが）省略されている場合は、ここで手動で指定できる。
winStride	ウィンドウのストライド。ブロックストライドの倍数でなければならない。
padding	パディング
scale	検出ウィンドウの拡大係数。
groupThreshold	類似度しきい値を調整する係数。検出時に、いくつかのオブジェクトが多数の矩形で覆われることがある。0 はグルーピングを実行しないことを意味する。
useMeanshiftGrouping	グルーピングアルゴリズムを指定する

◆ detectMultiScale() [2/2]

virtual void cv::HOGDescriptor::detectMultiScale	(	InputArray	img,
		std::vector< Rect > &	foundLocations,
		std::vector< double > &	foundWeights,
		double	hitThreshold = 0,
		Size	winStride = Size(),
		Size	padding = Size(),
		double	scale = 1.05,
		double	groupThreshold = 2.0,
		bool	useMeanshiftGrouping = false ) const

virtual

Python:
	cv.HOGDescriptor.detectMultiScale(	img[, hitThreshold[, winStride[, padding[, scale[, groupThreshold[, useMeanshiftGrouping]]]]]]	) ->	foundLocations, foundWeights

入力画像中の様々なサイズの物体を検出する。検出された物体は矩形のリストとして返される。

引数

img	オブジェクトが検出される画像を含む CV_8U または CV_8UC3 型の行列。
foundLocations	各矩形が検出されたオブジェクトを含む、矩形のベクトル。
foundWeights	検出された各オブジェクトの信頼度値を格納するベクトル。
hitThreshold	特徴とSVM分類平面との間の距離に対するしきい値。通常は 0 であり、検出器の係数で（最後の自由係数として）指定されるべきである。ただし自由係数が（許容されているが）省略されている場合は、ここで手動で指定できる。
winStride	ウィンドウのストライド。ブロックストライドの倍数でなければならない。
padding	パディング
scale	検出ウィンドウの拡大係数。
groupThreshold	類似度しきい値を調整する係数。検出時に、いくつかのオブジェクトが多数の矩形で覆われることがある。0 はグルーピングを実行しないことを意味する。
useMeanshiftGrouping	グルーピングアルゴリズムを指定する

例: samples/peopledetect.cpp.

◆ detectMultiScaleROI()

virtual void cv::HOGDescriptor::detectMultiScaleROI	(	InputArray	img,
		std::vector< cv::Rect > &	foundLocations,
		std::vector< DetectionROI > &	locations,
		double	hitThreshold = 0,
		int	groupThreshold = 0 ) const

virtual

指定したROIを複数スケールで評価し、各位置の信頼度値を返す。

引数

img	オブジェクトが検出される画像を含む CV_8U または CV_8UC3 型の行列。
foundLocations	各矩形が検出されたオブジェクトを含む、矩形のベクトル。
locations	DetectionROI のベクトル
hitThreshold	特徴とSVM分類平面との間の距離に対するしきい値。通常は 0 であり、検出器の係数で（最後の自由係数として）指定されるべきである。ただし自由係数が（許容されているが）省略されている場合は、ここで手動で指定できる。
groupThreshold	可能な矩形の最小数から 1 を引いた値。このしきい値は矩形のグループを保持するかどうかを判定するために使用される。

◆ detectROI()

virtual void cv::HOGDescriptor::detectROI	(	InputArray	img,
		const std::vector< cv::Point > &	locations,
		std::vector< cv::Point > &	foundLocations,
		std::vector< double > &	confidences,
		double	hitThreshold = 0,
		cv::Size	winStride = Size(),
		cv::Size	padding = Size() ) const

virtual

指定したROIを評価し、各位置の信頼度値を返す。

引数

img	オブジェクトが検出される画像を含む CV_8U または CV_8UC3 型の行列。
locations	Point のベクトル
foundLocations	Point のベクトル。各 Point は検出された物体の左上の点を表す。
confidences	confidences
hitThreshold	特徴量とSVM分類平面との距離に対するしきい値。通常は0であり、検出器係数（最後の自由係数）として指定する必要がある。ただし自由係数を省略する場合（省略は許容されている）には、ここで手動で指定できる。
winStride	winStride
padding	padding

◆ getDaimlerPeopleDetector()

static std::vector< float > cv::HOGDescriptor::getDaimlerPeopleDetector ( )

static

Python:
	cv.HOGDescriptor.getDaimlerPeopleDetector(		) ->	retval
	cv.HOGDescriptor_getDaimlerPeopleDetector(		) ->	retval

人物検出用に学習された分類器の係数を返す（48x96のウィンドウ用）。

◆ getDefaultPeopleDetector()

static std::vector< float > cv::HOGDescriptor::getDefaultPeopleDetector ( )

static

Python:
	cv.HOGDescriptor.getDefaultPeopleDetector(		) ->	retval
	cv.HOGDescriptor_getDefaultPeopleDetector(		) ->	retval

人物検出用に学習された分類器の係数を返す（64x128のウィンドウ用）。

◆ getDescriptorSize()

size_t cv::HOGDescriptor::getDescriptorSize ( ) const

Python:
	cv.HOGDescriptor.getDescriptorSize(		) ->	retval

分類に必要な係数の数を返す。

◆ getWinSigma()

double cv::HOGDescriptor::getWinSigma ( ) const

Python:
	cv.HOGDescriptor.getWinSigma(		) ->	retval

winSigma 値を返す。

◆ groupRectangles()

void cv::HOGDescriptor::groupRectangles	(	std::vector< cv::Rect > &	rectList,
		std::vector< double > &	weights,
		int	groupThreshold,
		double	eps ) const

物体候補の矩形をグループ化する。

引数

rectList	矩形の入出力ベクトル。出力ベクトルには保持された矩形とグループ化された矩形が含まれる。（Pythonのリストはその場で変更されない。）
weights	矩形の重みの入出力ベクトル。出力ベクトルには保持された矩形とグループ化された矩形の重みが含まれる。（Pythonのリストはその場で変更されない。）
groupThreshold	可能な矩形の最小数から 1 を引いた値。このしきい値は矩形のグループを保持するかどうかを判定するために使用される。
eps	矩形をグループにまとめるための、矩形の辺どうしの相対的な差。

◆ load()

virtual bool cv::HOGDescriptor::load	(	const String &	filename,
		const String &	objname = String() )

virtual

Python:
	cv.HOGDescriptor.load(	filename[, objname]	) ->	retval

線形SVM分類器用の HOGDescriptor のパラメータと係数をファイルから読み込む

引数

filename	読み込むファイルの名前。
objname	読み込むノードの名前（省略可能）。空の場合は最初のトップレベルノードが使用される。

◆ read()

virtual bool cv::HOGDescriptor::read ( FileNode & fn )

virtual

線形SVM分類器用の HOGDescriptor のパラメータと係数をファイルノードから読み込む。

引数

fn ファイルノード

◆ save()

virtual void cv::HOGDescriptor::save	(	const String &	filename,
		const String &	objname = String() ) const

virtual

Python:
	cv.HOGDescriptor.save(	filename[, objname]	) ->	None

線形SVM分類器用の HOGDescriptor のパラメータと係数をファイルに保存する

引数

filename	ファイル名
objname	オブジェクト名

◆ setSVMDetector()

virtual void cv::HOGDescriptor::setSVMDetector ( InputArray svmdetector )

virtual

Python:
	cv.HOGDescriptor.setSVMDetector(	svmdetector	) ->	None

線形SVM分類器の係数を設定する。

引数

svmdetector 線形SVM分類器の係数。

例: samples/peopledetect.cpp.

◆ write()

virtual void cv::HOGDescriptor::write	(	FileStorage &	fs,
		const String &	objname ) const

virtual

線形SVM分類器用の HOGDescriptor のパラメータと係数をファイルストレージに格納する。

引数

fs	ファイルストレージ
objname	オブジェクト名

メンバ変数詳解

◆ blockSize

Size cv::HOGDescriptor::blockSize

ブロックサイズ（ピクセル単位）。セルサイズに揃える。デフォルト値は Size(16,16)。

◆ blockStride

Size cv::HOGDescriptor::blockStride

ブロックのストライド。セルサイズの倍数でなければならない。デフォルト値は Size(8,8)。

◆ cellSize

Size cv::HOGDescriptor::cellSize

セルサイズ。デフォルト値は Size(8,8)。

◆ derivAperture

int cv::HOGDescriptor::derivAperture

ドキュメントなし

◆ free_coef

float cv::HOGDescriptor::free_coef

ドキュメントなし

◆ gammaCorrection

bool cv::HOGDescriptor::gammaCorrection

ガンマ補正の前処理が必要かどうかを指定するフラグ。

◆ histogramNormType

HOGDescriptor::HistogramNormType cv::HOGDescriptor::histogramNormType

histogramNormType

◆ L2HysThreshold

double cv::HOGDescriptor::L2HysThreshold

L2-Hys正規化手法における縮小（shrinkage）。

◆ nbins

int cv::HOGDescriptor::nbins

勾配ヒストグラムの計算に用いるビン数。デフォルト値は9。

◆ nlevels

int cv::HOGDescriptor::nlevels

検出ウィンドウの拡大回数の最大値。デフォルト値は64。

◆ oclSvmDetector

UMat cv::HOGDescriptor::oclSvmDetector

OpenCLが有効な場合に使用される線形SVM分類器の係数

◆ signedGradient

bool cv::HOGDescriptor::signedGradient

符号付き勾配を使用するかどうかを示す。

◆ svmDetector

std::vector<float> cv::HOGDescriptor::svmDetector

線形SVM分類器の係数。

◆ winSigma

double cv::HOGDescriptor::winSigma

ガウシアン平滑化ウィンドウの引数。

◆ winSize

Size cv::HOGDescriptor::winSize

検出ウィンドウのサイズ。ブロックサイズおよびブロックストライドに揃える。デフォルト値は Size(64,128)。

このクラス詳解は次のファイルから抽出されました:

opencv2/xobjdetect.hpp

公開型

公開メンバ関数

静的公開メンバ関数

公開変数類

詳細説明

列挙型メンバ詳解

◆ anonymous enum

◆ DescriptorStorageFormat

◆ HistogramNormType

構築子と解体子の詳解

◆ HOGDescriptor() [1/3]

◆ HOGDescriptor() [2/3]

◆ HOGDescriptor() [3/3]

◆ ~HOGDescriptor()

メンバ関数詳解

◆ checkDetectorSize()

◆ compute()

◆ computeGradient()

◆ copyTo()

◆ detect() [1/2]

◆ detect() [2/2]

◆ detectMultiScale() [1/2]

◆ detectMultiScale() [2/2]

◆ detectMultiScaleROI()

◆ detectROI()

◆ getDaimlerPeopleDetector()

◆ getDefaultPeopleDetector()

◆ getDescriptorSize()

◆ getWinSigma()

◆ groupRectangles()

◆ load()

◆ read()

◆ save()

◆ setSVMDetector()

◆ write()

メンバ変数詳解

◆ blockSize

◆ blockStride

◆ cellSize

◆ derivAperture

◆ free_coef

◆ gammaCorrection

◆ histogramNormType

◆ L2HysThreshold

◆ nbins

◆ nlevels

◆ oclSvmDetector

◆ signedGradient

◆ svmDetector

◆ winSigma

◆ winSize