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

摘自優秀創作者-小火苗

一、軟件環境安裝

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

import cv2import timedefdetect(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)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) #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