opencv行人检测图片视频使用深度学习代码

以下是使用 OpenCV 和深度学习框架实现行人检测的示例代码，可以用于处理图片和视频：

import cv2

# 加载行人检测器模型
net = cv2.dnn.readNetFromTensorflow('frozen_inference_graph.pb', 'ssd_mobilenet_v2_coco_2018_03_29.pbtxt')

# 设置输入尺寸
input_size = (300, 300)

# 加载图片或视频
cap = cv2.VideoCapture('input.mp4')

while True:
    # 读取一帧
    ret, frame = cap.read()

    if not ret:
        break

    # 调整尺寸
    resized_frame = cv2.resize(frame, input_size)

    # 构建输入 blob
    blob = cv2.dnn.blobFromImage(resized_frame, size=input_size, swapRB=True)

    # 前向传播
    net.setInput(blob)
    detections = net.forward()

    # 绘制检测结果
    for i in range(detections.shape[2]):
        confidence = detections[0, 0, i, 2]

        if confidence > 0.5:
            box = detections[0, 0, i, 3:7] * [frame.shape[1], frame.shape[0], frame.shape[1], frame.shape[0]]
            x1, y1, x2, y2 = box.astype(int)

            cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)

    # 显示结果
    cv2.imshow('Detection', frame)
    if cv2.waitKey(1) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

需要注意的是，这个示例代码使用的是 TensorFlow 的 SSD MobileNet 模型，你需要先下载对应的 pb 和 pbtxt 文件，并替换掉代码中的文件名。同时，你也可以使用其他的行人检测模型来替换这个示例代码中的模型。