计算机视觉实验：行人检测与特定类别目标识别

"该资源是关于计算机视觉的实验报告，主要涵盖了行人检测和特定类别目标检测两个任务。实验使用OpenCV库，涉及的核心技术包括HOG（Histogram of Oriented Gradients）描述符和SVM（Support Vector Machine）分类器。" 在计算机视觉领域，行人检测是一项重要的任务，它在智能交通、视频监控等多个场景中有广泛应用。实验5的第一部分介绍了如何使用OpenCV内置的HOG行人检测器。HOG是一种特征提取方法，它通过计算和统计图像局部区域的梯度直方图来描述物体形状和外观。在这个实验中，首先创建了一个HOGDescriptor对象，并设置了默认的参数。然后，通过调用`setSVMDetector`方法，加载了预先训练好的行人检测分类器。接着，`detectMultiScale`函数被用来在输入图像上检测行人，返回一个包含行人矩形区域的向量。最后，使用`rectangle`函数在原始图像上画出这些区域并显示结果。 任务2进一步扩展了目标检测的概念，要求使用机器学习方法（如Adaboost或SVM）来检测特定类别，如猫脸、飞机等。实验中提到使用了SVM作为分类器。SVM是一种强大的监督学习算法，常用于分类和回归问题。在实际应用中，通常需要先收集并标记训练数据，然后训练模型。实验中提到了`getBubble`和`getNoBubble`函数，它们可能是用于获取带有标签的训练图像及其对应标签的过程。训练完成后，可以使用训练好的模型对新的图像进行分类。 实验报告中虽然没有提供完整的核心代码和实验结果截图，但可以推断实验者可能进行了以下步骤：提取训练数据的特征，使用这些特征训练SVM模型，然后用训练好的模型在测试集上进行预测，最后展示预测结果。 这个实验报告涵盖了计算机视觉中的基本目标检测技术，包括基于HOG的行人检测和基于SVM的自定义类别检测，这些都是深度学习普及前广泛使用的经典方法。这些技术对于理解现代计算机视觉系统的工作原理，以及如何利用机器学习解决实际问题具有重要意义。