使用OpenCV实现俯视视角行人检测如何提升性能

OpenCV默认的HOG+SVM行人检测器训练数据全部来自平视近景的通用行人数据集，和走廊顶装摄像头拍到的俯视角行人特征分布差异极大，墙面画作的边缘梯度特征刚好匹配到训练集中部分行人的特征模式，才会出现检出率低、误检率高的问题，可按以下优先级落地优化：

1. 零成本前置规则过滤，先砍掉绝大多数误检 #

• 提前标定通行区域ROI：固定摄像头场景下，墙面、天花板区域不可能出现行人，提前手动标注出走廊地面的实际通行范围生成mask，检测前直接用cv2.bitwise_and(frame, frame, mask=roi_mask)屏蔽非通行区域，从输入源头上杜绝墙面画作进入检测流程，这一步就能消除90%以上的墙面类误检。
• 加检测框硬约束规则：俯视角下走廊行人的成像尺寸、宽高比区间非常固定，比如距离摄像头3-10米范围内的行人，检测框像素高度通常在40px-180px之间，宽高比稳定在0.3-0.7区间，检测后直接把超出尺寸、比例范围的框全部丢弃，比盲目调高置信度阈值的效果好得多。

2. 调优HOG检测链路，适配俯视角场景 #

• 替换默认检测参数：不要直接用detectMultiScale的默认传参，针对俯视角小目标多的特点调整：将winStride从默认的(8,8)调整为(4,4)提升小目标召回，padding设为(8,8)消除边缘漏检，scale步长从默认1.05收窄到1.03减少尺度遍历的漏检，再根据场景实测把hitThreshold下调0.1-0.2，能直接提升15%-20%的检出率。
• 微调场景专属SVM权重：不用从零开始训模型，自己采集100-200张当前走廊的监控帧，裁出正样本（俯视角行人，覆盖不同距离、穿着、姿态）和负样本（墙面画作、光影、地面杂物、消防设施等所有容易误检的目标），调用OpenCV自带的cv2.HOGDescriptor().train()接口训练自定义SVM分类器，样本量不大的话普通PC上几分钟就能跑完，检测精度远高于默认的通用权重。
• 调整NMS阈值：默认的非极大值抑制阈值偏松，容易出重复框，把重叠阈值设为0.3，过滤重复检测结果。

3. 轻量升级方案，进一步提升精度 #

• 轻量模型替换：如果HOG调优后仍达不到要求，可直接替换为轻量级的YOLO检测模型，不需要额外部署复杂推理框架，用少量俯视角行人样本微调nano级别的轻量模型，CPU上就能跑到实时帧率，检出率和误检控制能力比传统HOG方案高一个量级。
• 加帧间轨迹校验：固定摄像头下行人移动是连续的，把单帧检测结果和前3-5帧的检测轨迹做匹配，仅在单帧出现、没有连续轨迹支撑的检测框直接判定为误检过滤，能消除绝大多数偶发的光影、纹理误检。

内容的提问来源于stack exchange，提问作者Neskelogth