基于米尔全志T527开发板的OpenCV行人检测方案

blingbling111

基于米尔全志T527开发板的OpenCV行人检测方案 [复制链接]

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

sudo apt-get install libopencv-dev python3-opencv

 

 

 

2.在全志T527开发板​安装pip

sudo apt-get install python3-pip

 

 

 

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

import cv2
import time
def detect(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) 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)     #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

 

 

 

 

 

 

waterman

这是在CPU还是NPU上跑的呀？T527的NPU使用教程网上好像比较少