OpenCV行人檢測--基于米爾全志T527開(kāi)發(fā)板

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。

米爾基于全志T527開(kāi)發(fā)板

一、軟件環(huán)境安裝

1.安裝OpenCV

sudo apt-get install libopencv-dev python3-opencv

2.安裝pip

sudo apt-get install python3-pip

二、行人檢測概論

使用HOG和SVM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