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.安装OpenCV
sudo apt-get install libopencv-dev python3-opencv
2.安装pip
sudo apt-get install python3-pip
二、行人检测概论
使用HOG和SVM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 cv2import timedefdetect(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)inrects: cv2.rectangle(imagex,(x,y),(x+w,y+h),(0,0,255),2)print("saclesize:",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
