OpenCV行人檢測--基于米爾全志T527開發(fā)板

本文將介紹基于米爾電子MYD-LT527開發(fā)板（米爾基于全志 T527開發(fā)板）的OpenCV行人檢測方案測試。

米爾基于全志T527開發(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：對于每個圖像，計算HOG特征。HOG特征是一個一維向量，其中每個元素表示圖像中特定位置和方向的梯度強度。
訓練SVM分類器：使用HOG特征作為輸入，訓練SVM分類器。SVM分類器將學習區(qū)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、代碼實現(xiàn)

import cv2
import time
def detect(image,scale):
imagex=image.copy() #函數內部做個副本，讓每個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() #記錄開始時間
#獲?。ㄐ腥藢木匦慰?、對應的權重）
(rects, weights) = hog.detectMultiScale(imagex,scale=scale)
time_end = time.time() #記錄結束時間
# 繪制每一個矩形框
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、實際操作