快速部署！米尔全志T527开发板的OpenCV行人检测方案指南

swiftman

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.在全志T527开发板安装OpenCV

1. sudo apt-get install libopencv-dev python3-opencv

复制代码

2.在全志T527开发板​安装pip

1. sudo apt-get install python3-pip

复制代码

二、行人检测概论使用HOG和SVM基于全志T527开发板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

1. import cv2
   
2. import time
   
3. def detect(image,scale):
   
4.     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
   
5.     hog = cv2.HOGDescriptor()   #初始化方向梯度直方图描述子
   
6.     #设置SVM为一个预先训练好的行人检测器
   
7.     hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
   
8.     #调用函数detectMultiScale，检测行人对应的边框
   
9.     time_start = time.time()     #记录开始时间
   
10.     #获取（行人对应的矩形框、对应的权重）
    
11.     (rects, weights) = hog.detectMultiScale(imagex,scale=scale)
    
12.     time_end = time.time()    #记录结束时间
    
13.     # 绘制每一个矩形框
    
14.     for (x, y, w, h) in rects:
    
15.         cv2.rectangle(imagex, (x, y), (x + w, y + h), (0, 0, 255), 2)
    
16.     print("sacle size:",scale,",time:",time_end-time_start)
    
17.     name=str(scale)
    
18.     cv2.imshow(name, imagex)     #显示原始效果
    
19. image = cv2.imread("back.jpg")
    
20. detect(image,1.01)
    
21. detect(image,1.05)
    
22. detect(image,1.3)
    
23. cv2.waitKey(0)
    
24. cv2.destroyAllWindows()

复制代码

四、实际操作