Python+OpenCV进行行人检测

应用非极大抑制方法，可排除候选的重叠检测

使用前环境及库配置

我运行的环境为Python3.6(Anaconda3)+OpenCV3，IDE：PyCharm

1.其中如果安装Anaconda3就可以少安装很多库

2.如果安装了Anaconda3，就只需要配置一个库imutils

3.imutils安装方法

pip install imutils

确保imutils版本大于v0.3.1

pip install –upgrade imutils可以更新版本

完整代码下载链接：

Python+OpenCV实现行人检测(含配置说明)

先来看实现效果

应用非极大抑制方法，可排除候选的重叠检测效果如第一张图

核心代码如下：

引入所需要的库

from future import print_function #确保代码同时在Python2.7和Python3上兼容

from imutils.object_detection import non_max_suppression

from imutils import paths

import numpy as np

import argparse

import imutils #安装库pip install imutils ；pip install --upgrade imutils更新版本大于v0.3.1

import cv2

初始化我们的行人检测器

#初始化方向梯度直方图描述子

hog = cv2.HOGDescriptor()

#设置支持向量机(Support Vector Machine)使得它成为一个预先训练好了的行人检测器

hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

'''

构造了一个尺度scale=1.05的图像金字塔，以及一个分别在x方向和y方向步长为(4,4)像素大小的滑窗

scale的尺度设置得越大，在图像金字塔中层的数目就越少，相应的检测速度就越快，但是尺度太大会导致行人出现漏检；

同样的，如果scale设置得太小，将会急剧的增加图像金字塔的层数，这样不仅耗费计算资源，而且还会急剧地增加检测过程

中出现的假阳数目(也就是不是行人的被检测成行人)。这表明，scale是在行人检测过程中它是一个重要的参数，

需要对scale进行调参。我会在后面的文章中对detectMultiScale中的每个参数做些调研。

'''

detect people in the image：

(rects, weights) = hog.detectMultiScale(image, winStride=(4, 4),

padding=(8, 8), scale=1.05)

#应用非极大抑制方法，通过设置一个阈值来抑制那些重叠的边框

rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])

pick = non_max_suppression(rects, probs=None, overlapThresh=0.65)

pycharm工程python调用OpenCV实现USB摄像头实时人脸检测

pycharm工程pyQt5使用matplotlib绘图源码

pyqt5快速入门教程

Qt编写高逼格弹幕

Qt高仿360界面设计

Qt编写跨平台串口通信(Window+Linux)

OpenCV两种方法显示中文

wrote by zoushaoyuan 2018-01-20