opencv行人检测图片视频使用深度学习模型代码

下面是使用 OpenCV 和深度学习模型实现行人检测的代码：

import cv2

# 加载行人检测模型
model = cv2.dnn.readNetFromTensorflow("frozen_inference_graph.pb", "ssd_mobilenet_v2_coco_2018_03_29.pbtxt")

# 加载图片
image = cv2.imread("image.jpg")

# 获取图片的宽度和高度
(h, w) = image.shape[:2]

# 使用模型进行预测
blob = cv2.dnn.blobFromImage(cv2.resize(image, (300, 300)), 0.007843, (300, 300), 127.5)
model.setInput(blob)
detections = model.forward()

# 遍历预测结果
for i in range(0, detections.shape[2]):
    confidence = detections[0, 0, i, 2]
    if confidence > 0.5:
        # 获取行人位置
        box = detections[0, 0, i, 3:7] * np.array([w, h, w, h])
        (startX, startY, endX, endY) = box.astype("int")

        # 绘制行人框
        cv2.rectangle(image, (startX, startY), (endX, endY), (0, 255, 0), 2)

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

其中，`frozen_inference_graph.pb` 是预训练的模型文件，`ssd_mobilenet_v2_coco_2018_03_29.pbtxt` 是模型的配置文件。你可以在 TensorFlow 官网下载这两个文件。

此外，如果要检测视频中的行人，只需要将图片读取改为视频帧读取，然后遍历每一帧进行行人检测即可。