python调用opencv代码_Python 使用Opencv实现目标检测与识别的示例代码

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python博客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python博客！