本文将先容基于米尔电子MYD-LT527开辟板的OpenCV行人检测计划测试。本文援用地点：摘自优良创作者-小火苗米尔基于开辟板一、软件情况装置1.装置OpenCVsudo apt-get install libopencv-dev python3-opencv2.装置pipsudo apt-get install python3-pip二、行人检测概论应用HOG跟SVM构建行人检测器的要害步调包含：筹备练习数据集：练习数据集应包括大批正样本（行人图像）跟负样本（非行人图像）。盘算HOG特点：对每个图像，盘算HOG特点。HOG特点是一个一维向量，此中每个元素表现图像中特定地位跟偏向的梯度强度。练习SVM分类器：应用HOG特点作为输入，练习SVM分类器。SVM分类器将进修辨别行人跟非行人。评价模子：应用测试数据集评价练习后的模子。盘算模子的正确率、召回率跟F1分数等指标。三、代码实现import cv2import timedef detect(image,scale):imagex=image.copy() #函数外部做个正本，让每个函数运转在差别的图像上 hog = cv2.HOGDescriptor() #初始化偏向梯度直方图描写子#设置SVM为一个事后练习好的行人检测器hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector()) #挪用函数detectMultiScale，检测行人对应的边框time_start = time.time() #记载开端时光#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() #记载停止时光# 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) #表现原始后果image = cv2.imread( back.jpg )detect(image,1.01)detect(image,1.05)detect(image,1.3)cv2.waitKey(0)cv2.destroyAllWindows()四、现实操纵
