opencv物体识别代码python

当然，我可以为您介绍一下使用Python编写的OpenCV物体识别代码。下面是一个简单的示例代码：

import cv2

# 加载物体识别模型
net = cv2.dnn.readNetFromCaffe('deploy.prototxt', 'model.caffemodel')

# 加载图像
image = cv2.imread('image.jpg')

# 对图像进行预处理
blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 0.007843, (300, 300), 127.5)

# 输入图像到模型中进行识别
net.setInput(blob)
detections = net.forward()

# 遍历识别结果
for i in range(detections.shape[2]):
    confidence = detections[0, 0, i, 2]
    if confidence > 0.5:  # 设置置信度阈值
        # 获取物体位置信息
        box = detections[0, 0, i, 3:7] * np.array([image.shape[1], image.shape[0], image.shape[1], image.shape[0]])
        (startX, startY, endX, endY) = box.astype("int")

        # 绘制边界框和标签
        cv2.rectangle(image, (startX, startY), (endX, endY), (0, 255, 0), 2)
        label = f'{confidence * 100:.2f}%'
        y = startY - 10 if startY - 10 > 10 else startY + 10
        cv2.putText(image, label, (startX, y), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 显示结果图像
cv2.imshow("Output", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码使用了OpenCV的深度学习模块，通过加载预训练的物体识别模型进行图像识别。首先，我们需要加载模型文件（deploy.prototxt和model.caffemodel），然后读取待识别的图像。接下来，对图像进行预处理，将其转换为模型可接受的格式。然后，将预处理后的图像输入到模型中进行识别，得到识别结果。最后，遍历识别结果，根据置信度阈值筛选出符合要求的物体，并在图像上绘制边界框和标签。最后，显示结果图像。

希望这段代码能够帮助到您！如果您有任何进一步的问题，请随时提问。