• 操作系統：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 編程語言：C++11

算法描述

cv::cuda::HOG 是 OpenCV 的 CUDA 模塊中對 HOG 特征提取和目標檢測 提供的 GPU 實現。它與 CPU 版本的 cv::HOGDescriptor 類似，但利用了 GPU 的并行計算能力以提高性能。

公共成員函數

創建與初始化

函數	描述
static Ptr cv::cuda::HOG::create()	創建一個默認配置的 HOG 對象。
void setSVMDetector(InputArray _svmDetector)	設置 SVM 分類器權重向量，用于檢測特定目標（如行人）。

參數設置（與 HOG 特征相關）

函數	描述
void setWinSize(Size winSize)	設置檢測窗口大小（必須是 cell 大小的整數倍）。
void setBlockSize(Size blockSize)	設置 block 的大小（單位：像素）。
void setCellSize(Size cellSize)	設置 cell 的大小（單位：像素）。
void setBinCount(int nBins)	設置每個 cell 的方向直方圖 bin 數量。
void setBlockStride(Size blockStride)	設置 block 移動步長（單位：像素）。
void setDerivativeAperture(int derivAperture)	設置圖像平滑/導數計算的孔徑大小。
void setWinSigma(double winSigma)	高斯窗口的標準差。
void setHistogramNormType(int histogramNormType)	設置直方圖歸一化方式（L2Hys, L1, L1Sqrt, L2）。
void setL2HysNormalization(bool l2HysNormalization)	是否啟用 L2-Hys 歸一化。
void setGammaCorrection(bool gammaCorrection)	是否啟用伽馬校正。
void setNumLevels(int numLevels)	設置金字塔層數。

檢測方法

函數	描述
void detectMultiScale(InputArray img, OutputArray foundLocations, double hitThreshold = 0, Size winStride = Size(), Size padding = Size())	在圖像中多尺度檢測目標，并返回檢測到的位置（矩形框）。

示例代碼（GPU 上的行人檢測）

#include <opencv2/cudaobjdetect.hpp>
#include <opencv2/opencv.hpp>int main()
{// 創建 HOG 對象cv::Ptr< cv::cuda::HOG > hog = cv::cuda::HOG::create();// 設置 SVM 分類器（行人檢測）std::vector< float > detector = cv::HOGDescriptor::getDefaultPeopleDetector();hog->setSVMDetector( detector );// 讀取圖像（默認為 BGR 三通道）cv::Mat frame = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/00001.jpg" );if ( frame.empty() ){std::cerr << "無法讀取圖像！" << std::endl;return -1;}// 轉換為灰度圖（CV_8UC1）cv::Mat gray_frame;cv::cvtColor( frame, gray_frame, cv::COLOR_BGR2GRAY );// 上傳到 GPUcv::cuda::GpuMat d_frame( gray_frame );// 執行檢測std::vector< cv::Rect > found_locations;hog->detectMultiScale( d_frame, found_locations );// 繪制檢測結果for ( const auto& r : found_locations ){cv::rectangle( frame, r, cv::Scalar( 0, 0, 255 ), 2 );}cv::imshow( "Pedestrian Detection", frame );cv::waitKey( 0 );return 0;
}

運行結果

效果僅供演示，要想效果專業一下，得自己去訓練模型了。