OpenCV HOGDescriptor报错vector<T> too long问题咨询及解决办法

错误原因在于你使用的默认HOG参数是为行人检测（64×128窗口）设计的，和你的193×16 ROI尺寸不兼容：默认窗口大小(64,128)远大于ROI的高度16，且ROI宽度193无法被默认块步长(8,8)整除，导致HOG计算时无法正确划分块和细胞，最终触发向量过长的异常。

解决办法 #

1. 自定义HOG参数适配ROI尺寸

首先确保ROI尺寸满足HOG参数的整除要求：

• 细胞大小（cellSize）通常选8×8（常用值）
• 块大小（blockSize）需为细胞大小的整数倍，比如16×16（2×2细胞）
• 块步长（blockStride）一般设为和细胞大小一致（8×8）
• 窗口大小（winSize）需等于ROI尺寸，且满足(winSize.width - blockSize.width) % blockStride.width == 0和(winSize.height - blockSize.height) % blockStride.height == 0

由于193无法被8整除，建议将ROI宽度调整为192（8的倍数），以下是适配192×16 ROI的代码：

import cv2 as cv

# 自定义HOG参数，适配192×16的ROI
winSize = (192, 16)
blockSize = (16, 16)
blockStride = (8, 8)
cellSize = (8, 8)
nbins = 9  # 默认方向箱数量

# 初始化HOG描述符
hog = cv.HOGDescriptor(winSize, blockSize, blockStride, cellSize, nbins)

# 读取图像并调整为目标尺寸
img = cv.imread("<path to image>", cv.IMREAD_GRAYSCALE)
img_roi = cv.resize(img, winSize)  # 统一调整为192×16

# 计算HOG描述符
desc = hog.compute(img_roi)
print(f"HOG描述符维度: {desc.shape}")

2. 统一正负样本尺寸

训练SVM时，所有正负样本必须保持相同尺寸，因此需要将正负样本都调整为192×16（或其他符合HOG参数要求的尺寸），保证HOG描述符的维度一致，才能用于SVM训练。

关键注意事项 #

• 若坚持使用193×16的ROI，需调整块步长或细胞大小使其满足整除要求（比如将细胞宽度设为1，但这会大幅增加描述符维度，不推荐）
• 训练SVM前，务必验证所有样本的HOG描述符长度一致，否则无法正常训练

内容的提问来源于stack exchange，提问作者tintin98