基于米尔全志T527开发板的OpenCV行人检测方案
|
本文将介绍基于米尔电子MYD-LT527开发板（米尔基于全志T527开发板）的OpenCV行人检测方案测试。 摘自优秀创作者-小火苗
一、软件环境安装1.在全志T527开发板安装OpenCV - sudo apt-get install libopencv-dev python3-opencv
2.在全志T527开发板安装pip- sudo apt-get install python3-pip
二、行人检测概论使用HOG和SVM基于全志T527开发板构建行人检测器的关键步骤包括：准备训练数据集：训练数据集应包含大量正样本（行人图像）和负样本（非行人图像）。 计算HOG特征：对于每个图像，计算HOG特征。HOG特征是一个一维向量，其中每个元素表示图像中特定位置和方向的梯度强度。 训练SVM分类器：使用HOG特征作为输入，训练SVM分类器。SVM分类器将学习区分行人和非行人。 评估模型：使用测试数据集评估训练后的模型。计算模型的准确率、召回率和F1分数等指标。
三、代码实现- import cv2
- import time
- def detect(image,scale):
- imagex=image.copy() #函数内部做个副本，让每个函数运行在不同的图像上
- hog = cv2.HOGDescriptor() #初始化方向梯度直方图描述子
- #设置SVM为一个预先训练好的行人检测器
- hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
- #调用函数detectMultiScale，检测行人对应的边框
- time_start = time.time() #记录开始时间
- #获取（行人对应的矩形框、对应的权重）
- (rects, weights) = hog.detectMultiScale(imagex,scale=scale)
- time_end = time.time() #记录结束时间
- # 绘制每一个矩形框
- 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) #显示原始效果
- image = cv2.imread("back.jpg")
- detect(image,1.01)
- detect(image,1.05)
- detect(image,1.3)
- cv2.waitKey(0)
- cv2.destroyAllWindows()
四、实际操作
|
网友评论