转：http://www.cvvision.cn/2427.html
本文主要介绍opencv中怎么使用hog算法，因为在opencv中已经集成了hog类。本文参考资料为opencv自带的sample.
关于opencv中hog的源码分析，可以参考另一博客：http://www.cvvision.cn/2428.html
开发环境：opencv2.4.2+Qt4.8.2+ubuntu12.04+QtCreator2.5.
实验功能：
单击Open Image按钮，选择需要进行行人检测的一张图片，确定后自动显示出来，该图片没有大小限制。
单击People Detect按钮，则程序会自动对该图片进行行人检测，且将检测到的效果显示出来，即用1个矩形框将行人框出来。
单击Close按钮，退出程序。
实验说明：
1、hog描述子子啊opencv中为HOGDcriptor.
2、可以调用该描述子可以调用该描述子setSVMDetector方法给用于对hog特征进行分类的svm模型的系数赋值，这里的参数为HOGDescriptor::getDefaultPeopleDetector()时表示采用系统默认的参数，因为这些参数是用很多图片训练而来的。
3、对输入图片进行行人检测是由于图片大小不一样，所以要用到多尺度检测。这里是用hog类的方法detectMultiScale。参数解释如下：
HOGDescriptor::detectMultiScale(const GpuMat& img, vector<Rect>& found_locations, doublehit_threshold=0, Size win_stride=Size(), Size padding=Size(), double scale0=1.05, int group_threshold=2)
该函数表示对输入图片img进行多尺度行人检测img为输入待检测图片；found_locations为检测到目标区域列表；参数3为程序内部计算为行人目标的阈值，局势检测到特征到SVM分类超平面的距离；参数4为滑动窗口每次移动的距离。它必须是块移动的整数倍；参数5为图像扩充关掉大小；参数6为比例系数，即滑动窗口每次增加的比例；参数7为组阈值，即校正系数，当一个目标被多个窗口检测出来时，该参数此时就起了调节作用，为0时表示不起调节作用。
4、最后对检测出来的目标矩形框，要采用一些方法处理，比如说2个目标框嵌套着，则选择最外面的那个框。
5、因为Hog检查出的矩形框比实际人体框稍微大些，所以需要对这些矩形框大小尺寸做一些调整。
实验结果：
实验主要部分代码（附录code下载链接http://www.pudn.com/Download/item/id/1956323.html）
实验总结：
从实验结果来看，图片检测准确率一般，当人体遮挡情况比较严重，且背景比较复杂时，有些误检和漏检，不过程序的检查速度还可以