本文将介绍根据米尔电子MYD-LT527开发板（米尔根据全志T527开发板）的OpenCV行人检测计划测验。

摘自优异创作者-小火苗。

一、软件环境装置。

1.装置OpenCV。

sudo apt-get install libopencv-dev。 python3。-opencv。

2.装置。pi。p。

sudo apt-get install。 python。3-pip。

二、行人检测概论。

运用HOG和SVM构建行人检测器的关键步骤包括：

预备练习数据集。：练习数据集应包括很多正样本（行人图画）和负样本（非行人图画）。

核算HOG特征。：关于每个图画，核算HOG特征。HOG特征是一个一维向量，其间每个元素表明图画中特定方位和方向的梯度强度。

练习SVM分类器。：运用HOG特征作为输入，练习SVM分类器。SVM分类器将学习区别行人和非行人。

评价模型。：运用测验数据集评价练习后的模型。核算模型的准确率、召回率和F1分数等目标。

三、代码完成。

import cv2import。 ti。medefdetect(image,scale): imagex=image.copy() #函数内部做个副本，让每个函数运行在不同的图画上hog=cv2.HOGDescriptor() #初始化方向梯度直方图描绘子 #设置SVM为一个预先练习好的行人检测器hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeop。leD。etector()) #调用函数detectMultiScale，检测行人对应的边框time_start=time.time() #记载开端时刻 #获取（行人对应的矩形框、对应的权重）(rects,weights)=hog.detectMultiScale(imagex,scale=scale) time_end=time.time() #记载完毕时刻 #制作每一个矩形框for(x,y,w,h)inrects: cv2.rectangle(imagex,(x,y),(x+w,y+h),(0,0,255),2)print("s。ac。lesize:",scale,",time:",time_end-time_start)name=str(scale)cv2.imshow(name,imagex) #显现原始作用image=cv2.imre。ad。("back.jpg")detect(image,1.01)detect(image,1.05)detect(image,1.3)cv2.w。ai。tKey(0)cv2.destroyAllWindows()。

四、实际操作。

内容来源：https://tongdaidmxanh.com/app-1/rio 66,http://chatbotjud.saude.mg.gov.br/app-1/bests-bola-pro

(责任编辑：生活)