行人检测 opencv

/*#include   
#include   

#include   
#include   
#include   
#include “opencv2/nonfree/features2d.hpp“  
#include  
#include   

using namespace cv;
using namespace std;

int main（int argc char** argv）
{
	//测试时间开始
	double t;
	t = getTickCount（）;
	cv::Mat image = cv::imread（“D:\\行人检测\\正样本\\6.bmp“）;
	if （image.empty（））
	{
		std::cout << “read image failed“ << std::endl;
	}

	// 1. 定义HOG对象  
	cv::HOGDescriptor hog（cv::Size（48 96） cv::Size（16 16） cv::Size（8 8） cv::Size（8 8） 9 1 -1 cv::HOGDescriptor::L2Hys 0.2 true cv::HOGDescriptor::DEFAULT_NLEVELS）;

	// 2. 设置SVM分类器  
	hog.setSVMDetector（cv::HOGDescriptor::getDaimlerPeopleDetector（））;   // 采用已经训练好的行人检测分类器  

	// 3. 在测试图像上检测行人区域  
	std::vector regions foundRect;
	hog.detectMultiScale（image regions 0 cv::Size（8 8） cv::Size（8 8） 1.05 2）;

	//以下为减少嵌套
	for （int i = 0; i < regions.size（）; i++）{
		cv::Rect r = regions[i];
		int j = 0;
		for （; j < regions.size（）; j++）{
			if （j != i && （r &  regions[j]） == r）
				break;
		}
		if （j == regions.size（））{
			foundRect.push_back（r）;
		}
	}
	// 显示  
	for （size_t i = 0; i < regions.size（）; i++）
	{
		cv::rectangle（image regions[i] cv::Scalar（0 0 255） 2）;
	}
	cv::imshow（“hog“ image）;
	//统计所用时间
	t = getTickCount（） - t;
	t = t * 1000 / getTickFrequency（）;
	cout << “运行时间：“ << t / 1000 << “s“ << endl;
	cv::waitKey（0）;
	return 0;
}*/
#include 
#include 
#i