hog svm行人检测python代码

HOG (Histogram of Oriented Gradients) 结合 SVM (支持向量机) 是一种常用的人脸检测算法，常用于计算机视觉领域。在Python中，可以使用`OpenCV`库来实现这个过程。以下是简化的步骤和代码示例：

import cv2
import numpy as np

def hog_svm_detection(image_path):
    # 读取图片
    img = cv2.imread(image_path, 0)

    # 计算HOG特征
    hog = cv2.HOGDescriptor()
    hog_win_size = (64, 128)
    hog_desc = hog.compute(img, hog_win_size)

    # 设置SVM分类器
    model = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')  # 使用预训练的人脸分类器

    # 检测人脸
    faces = model.detectMultiScale(hog_desc, scaleFactor=1.1, minNeighbors=5)

    for (x, y, w, h) in faces:
        # 在原图上画出检测框
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

    # 显示结果
    cv2.imshow('HOG-SVM Detection', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 调用函数并传入图像路径
hog_svm_detection('your_image_path.jpg')

在这个例子中，我们首先计算输入图像的HOG描述符，然后使用预先训练好的Haar级联分类器（如`haarcascade_frontalface_default.xml`）来定位潜在的人脸。最后，我们在检测到的区域上绘制矩形框。