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(shù)據(jù)集：訓練數(shù)據(jù)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(shù)據(jù)集評估訓練后的模型。計算模型的準確率、召回率和F1分數(shù)等指標。

三、代碼實現(xiàn)

import cv2

import time

def detect(image,scale):

imagex=image.copy()   #函數(shù)內部做個副本，讓每個函數(shù)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(shù)detectMultiScale，檢測行人對應的邊框

time_start = time.time()     #記錄開始時間

#獲取（行人對應的矩形框、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