opencv行人检测不要用haar

除了Haar Cascade，OpenCV还提供了其他的行人检测算法，例如基于HOG特征和线性SVM分类器的行人检测算法。这种方法的检测效果比Haar Cascade更好，而且速度也更快。你可以使用OpenCV中的HOGDescriptor类实现这种算法。以下是一个简单的示例代码：

import cv2

# 加载HOG行人检测器
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

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

# 调用行人检测器进行检测
(rects, weights) = hog.detectMultiScale(image, winStride=(4, 4), padding=(8, 8), scale=1.05)

# 在图像中绘制检测框
for (x, y, w, h) in rects:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 0, 255), 2)

# 显示结果
cv2.imshow("Pedestrian Detection", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这段代码将加载一张名为`image.jpg`的图像，并使用HOG行人检测器检测其中的行人。最后，它将在图像中标出检测到的行人位置，并显示结果。你可以根据需要调整检测器的参数，以获得更好的检测效果。