使用HOGDescirptor可以实现ROI区域的检测，但是使用CascadeClassifier不能使用ROI检测，查看CascadeClassifier的类定义可以看到这样一个子类

public:

    class CV_EXPORTS MaskGenerator

    {

    public:

        virtual ~MaskGenerator() {}

        virtual cv::Mat generateMask(const cv::Mat& src)=0;

        virtual void initializeMask(const cv::Mat& /*src*/) {};

    };

    void setMaskGenerator(Ptr<MaskGenerator> maskGenerator);

    Ptr<MaskGenerator> getMaskGenerator();

    void setFaceDetectionMaskGenerator();

protected:

    Ptr<MaskGenerator> maskGenerator;

这应该是设置检测图像的MASK吧，而且比ROI好用哦，因为使用SetROI只可以设置一个区域，而不可以设置多个区域。知道了这个类的作用赶快来大展身手一下吧。因为这个类定义的是子类，而且不能传入MASK区域进行设置，这样就需要我们定义自己的MASKGenerator类产生mask

class MaskGenerator : public CascadeClassifier::MaskGenerator

// 注意必须声明为public，否则不会调用该类的中的成员函数，编译和运行的时候也不会报错，因为类默认为私有继承，参考《C/C++->类的继承与多态》

{

public:

    MaskGenerator(){

        width = 0;

        height = 0;

        mask = NULL;

    }

    ~MaskGenerator() {

        if (mask != NULL)

            cvReleaseImage(&mask);

    }

    // 根据当前图像产生mask区域

    cv::Mat generateMask(const cv::Mat& src)

    {

        width = src.cols;

        height = src.rows;

        // 关于智能指针是否需要手动释放内存有待考究，可以参考《C/C++->智能指针的使用方法》

        // 必须手动释放

        if (mask != NULL)

            cvReleaseImage(&mask);

        mask = cvCreateImage(cvSize(width, height), 8, 1);

        cvZero(mask);

        // 可以按照自己的需求设置ROI区域

        cvSetImageROI(mask, cvRect(0, 0, width/2, height/2));

        cvSet(mask, cvScalarAll(255));

        cvResetImageROI(mask);

        //cvShowImage("mask", mask);

        //cvWaitKey(0);

        return (Mat)mask;

    }

    // 对当前图像进行操作

    void initializeMask(const cv::Mat& /*src*/) {};

private:

    int width;

    int height;

    IplImage *mask;

};

在使用该MaskGenerator之前需要调用setMaskGenerator设置mask，其实就是相当于设置一个回调函数或者说回调类

CascadeClassifier *cascade = new CascadeClassifier;

cascade->load("hogcascade_pedestrians.xml");

vector<Rect> object;

Ptr<MaskGenerator> mask = new MaskGenerator;

cascade->setMaskGenerator(mask);

cascade->detectMultiScale(srcGrayImg, object);

特别提示：该方法只适合设置traincascade产生的新分类器，不适合haartrainning产生旧分类器。

下面我们来看一下该mask在目标检测的过程中是如何使用的吧

1） 在detectMultiScale函数中，进行金字塔检测之前调用initializeMask函数进行对图像的其他初始化操作

需要注意的是在这里最好不要做缩放image的操作，因为image是需要自己外部释放的，缩放后就改变了图像的内存，释放时会出现内存泄露的情况；在initializeMask函数可以获取图像的尺寸等操作以便按照缩放比例在generateMask函数中设置mask区域

2） 金字塔检测也就是调用detectSingleScale函数中调用generateMask产生mask区域

    Mat currentMask;

    if (!maskGenerator.empty()) {

        currentMask=maskGenerator->generateMask(image);

    }

因为这里是每缩放一次图像调用一次，所以每次调用的时候image的尺寸都是发生变化的，那么我们就可以在generateMask中根据图像的尺寸产生mask区域

3） 在检测时候，滑动图像的过程中首先检测起始坐标点是否为mask区域中的点，如果该点为mask区域中的点就跳过该检测窗口，这一过程可以在CascadeClassifierInvoker的operator()函数中看到

if ( (!mask.empty()) && (mask.at<uchar>(Point(x,y))==0)) {    continue;  }