先从检测说起。
现有的OpenCV版本中有完整的基于HOG+SVM的检测代码，主要用到HOGDescriptor这个类。两个关键函数：
hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//导入分类器，默认采用的是Dalal提出的算法模型，其实是svm训练得到的支持向量
hog.detectMultiScale(img, found, 0, Size(8,8), Size(32,32), 1.05, 2);//多尺度遍历，可以检测一定范围内的行人目标，当然现有的模型是基于64*128行人大小的，所以对中小目标检测效果不佳
在程序框架建立过程中，问题没有出现多少，毕竟熟能生巧，意外的收获是：opencv众所周知地没有注释难以看懂，但是对于一个可执行程序，都用一个函数来说明程序实现功能，在一定程度上缓和我对opencv的反感吧。其实opencv的代码风格其他方面真的很好，今后可以借鉴之。先列举其一吧：
void help()
{
printf(
“\nDemonstrate the use of the HoG descriptor using\n”
“ HOGDescriptor::hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());\n”
“Usage:\n”
“./peopledetect (<image_filename> | <image_list>.txt)\n\n” );
}
再来说训练。
不同于Cascade，opencv中没有专门对hog特征的svm的训练，必须自己按照需要，选择特征算子和分类器，这里我先选了hog和svm(与latent svm 区分)。在调试过程中出现了很多bug，变量找不到定义（包含头文件）、无法解析的外部符号Link 2019 （找到函数的实现文件），这些问题也都一一解决了。我不得不再吐槽一下，像这种无注释源文件的真心没辙，网上百度、google都有可能找不到解决方案，还得一个个include和添加cpp去实验，以后写代码一定好写好注释，方便别人阅读嘛。
总结一下：
- 项目属性中除了包含core、imgproc、highgui等常用的lib和头文件，在此情况下（训练和检测）要包含ml（machine learning）和objdetect（object detect）的lib和头文件。
- 工程文件中还要用到/opencv2.0/modules/objdetect/src下面的inner_functions.cpp文件，用在需要线性插值的地方。
