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

米尔基于全志T527开发板

一、软件环境安装

1.安装OpenCV

sudo apt-get install libopencv-dev python3-opencv

2.安装pip

sudo apt-get install python3-pip

二、行人检测概论

使用HOG和SVM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