OpenCV中預設的SVM引數進行HOG行人檢測，預設引數是根據Dalal的方法訓練的。

//HOG行人識別

#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;
int main()
{
Mat src = imread("人5.jpg");
HOGDescriptor hog;//HOG特徵檢測器  
hog.setSVMDetector(HOGDescriptor::getDefaultPeopleDetector());//設定SVM分類器為預設引數  
vector<Rect> found, found_filtered;//矩形框陣列  
hog.detectMultiScale(src, found, 0, Size(8, 8), Size(32, 32), 1.05, 2);//對影象進行多尺度檢測，檢測視窗移動步長為(8,8)  

cout << "矩形個數：" << found.size() << endl;
//找出所有沒有巢狀的矩形框r,並放入found_filtered中,如果有巢狀的話,則取外面最大的那個矩形框放入found_filtered中  
for (int i = 0; i < found.size(); i++)
{
	Rect r  = found[i];
	int j = 0;
	for (; j < found.size(); j++)
		if (j  != i  && (r & found[j]) == r)
			break;
	if (j == found.size())
		found_filtered.push_back(r);
}
cout << "過濾後矩形的個數：" << found_filtered.size() << endl;

//畫矩形框，因為hog檢測出的矩形框比實際人體框要稍微大些,所以這裡需要做一些調整  
for (int i = 0; i<found_filtered.size(); i++)
{
	Rect r = found_filtered[i];
	r.x  += cvRound(r.width*0.1);
	r.width  = cvRound(r.width*0.8);
	r.y += cvRound(r.height*0.07);
	r.height  = cvRound(r.height*0.8);
	rectangle(src, r.tl(), r.br(), Scalar(0, 255, 0), 3);
}

imwrite("ImgProcessed.jpg", src);
namedWindow("src", 0);
imshow("src", src);
waitKey(0);//注意：imshow之後一定要加waitKey，否則無法顯示影象  

system("pause");
}
 

可以看出，圖中15個人只檢測出了6人，實在是差強人意，要想取得好的效果只能進行SVM訓練，或者使用深度學習