|
本文將介紹基于米爾電子MYD-LT527開(kāi)發(fā)板（米爾基于全志T527開(kāi)發(fā)板）的OpenCV行人檢測方案測試。 摘自?xún)?yōu)秀創(chuàng )作者-小火苗
一、軟件環(huán)境安裝1.在全志T527開(kāi)發(fā)板安裝OpenCV - sudo apt-get install libopencv-dev python3-opencv
2.在全志T527開(kāi)發(fā)板安裝pip- sudo apt-get install python3-pip
二、行人檢測概論使用HOG和SVM基于全志T527開(kāi)發(fā)板構建行人檢測器的關(guān)鍵步驟包括：準備訓練數據集：訓練數據集應包含大量正樣本（行人圖像）和負樣本（非行人圖像）。 計算HOG特征：對于每個(gè)圖像，計算HOG特征。HOG特征是一個(gè)一維向量，其中每個(gè)元素表示圖像中特定位置和方向的梯度強度。 訓練SVM分類(lèi)器：使用HOG特征作為輸入，訓練SVM分類(lèi)器。SVM分類(lèi)器將學(xué)習區分行人和非行人。 評估模型：使用測試數據集評估訓練后的模型。計算模型的準確率、召回率和F1分數等指標。
三、代碼實(shí)現- import cv2
- import time
- def detect(image,scale):
- imagex=image.copy() #函數內部做個(gè)副本，讓每個(gè)函數運行在不同的圖像上
- hog = cv2.HOGDescriptor() #初始化方向梯度直方圖描述子
- #設置SVM為一個(gè)預先訓練好的行人檢測器
- hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
- #調用函數detectMultiScale，檢測行人對應的邊框
- time_start = time.time() #記錄開(kāi)始時(shí)間
- #獲�。ㄐ腥藢木匦慰�、對應的權重）
- (rects, weights) = hog.detectMultiScale(imagex,scale=scale)
- time_end = time.time() #記錄結束時(shí)間
- # 繪制每一個(gè)矩形框
- for (x, y, w, h) in rects:
- cv2.rectangle(imagex, (x, y), (x + w, y + h), (0, 0, 255), 2)
- print("sacle size:",scale,",time:",time_end-time_start)
- name=str(scale)
- cv2.imshow(name, imagex) #顯示原始效果
- image = cv2.imread("back.jpg")
- detect(image,1.01)
- detect(image,1.05)
- detect(image,1.3)
- cv2.waitKey(0)
- cv2.destroyAllWindows()
四、實(shí)際操作
| 
