Python使用Opencv实现目标检测与识别的示例代码_目标检测图像识别和计数 - CSDN文库

目标检测与识别

161 浏览量更新于2023-03-03 评论 4 收藏 86KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

Python 使用使用Opencv实现目标检测与识别的示例代码实现目标检测与识别的示例代码

主要介绍了Python 使用Opencv实现目标检测与识别的示例代码，文中通过示例代码介绍的非常详细，对大家的

学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

在上章节讲述到图像特征检测与匹配，本章节是讲述目标检测与识别。后者是在前者的基础上进一步完善。

在本章中，我们使用HOG算法，HOG和SIFT、SURF同属一种类型的描述符。功能代码如下：

import cv2

def is_inside(o, i):

ox, oy, ow, oh = o

ix, iy, iw, ih = i

# 如果符合条件，返回True，否则返回False

return ox > ix and oy > iy and ox + ow < ix + iw and oy + oh < iy + ih

# 根据坐标画出人物所在的位置

def draw_person(img, person):

x, y, w, h = person

cv2.rectangle(img, (x, y), (x + w, y + h), (0, 255, 255), 2)

# 定义HOG特征+SVM分类器

img = cv2.imread("people.jpg")

hog = cv2.HOGDescriptor()

hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())

found, w = hog.detectMultiScale(img, winStride=(8, 8), scale=1.05)

# 判断坐标位置是否有重叠

found_filtered = []

for ri, r in enumerate(found):

for qi, q in enumerate(found):

a = is_inside(r, q)

if ri != qi and a:

break

else:

found_filtered.append(r)

# 勾画筛选后的坐标位置

for person in found_filtered:

draw_person(img, person)

# 显示图像

cv2.imshow("people detection", img)

cv2.waitKey(0)

cv2.destroyAllWindows()

运行结果如图所示：

这个例子是使用HOG特征进行SVM算法训练，这部分已开始涉及到机器学习的方面，通过SVM算法训练数据集，然后根据某

图像与数据集进行匹配。

到此这篇关于Python 使用Opencv实现目标检测与识别的示例代码的文章就介绍到这了,更多相关Opencv 目标检测与识别内容

请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余0页未读，立即下载

评论0

weixin_38567962

粉丝: 2
资源: 944

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈