基于opencv和pyqt的行人检测系统

 

本项目旨在开发一个基于Python和OpenCV的行人检测系统，能够实时检测车辆前方的行人，并在检测到行人进入车辆行驶路径时发出警告。该系统具有以下特点：

• 实时检测：能够实时检测车辆前方的行人。
• 准确报警：当行人进入车辆行驶路径时，系统能够及时发出警告。
• 易用性：系统易于安装和使用，适合各种车辆环境。

技术栈

• Python 3.6：项目开发的主要编程语言。
• OpenCV 3：用于图像处理和计算机视觉算法。
• Miniconda3：用于管理Python环境和依赖包。
• PyCharm：开发环境，用于编写和调试代码。

系统功能

1. 行人检测：使用OpenCV中的Haar Cascades或其他先进的行人检测算法（如HOG+SVM）实时检测视频流中的行人。
2. 路径预测：根据车辆行驶路径和行人位置，预测行人是否会进入车辆行驶路径。
3. 警告机制：当行人进入车辆行驶路径时，系统通过声音或视觉信号发出警告。

项目结构

1pedestrian_detection_system/
2├── pedestrian_detection/
3│   ├── __init__.py
4│   ├── detect.py  # 主检测脚本
5│   ├── utils.py  # 辅助工具函数
6│   └── config.py  # 配置文件
7├── requirements.txt  # 依赖包清单
8├── README.md  # 项目说明文档
9└── data/  # 数据和模型文件
10    ├── haar_cascade.xml  # Haar Cascades模型文件
11    └── video.mp4  # 测试视频

安装与配置

1. 安装 Miniconda3

2. 

    

   如果还没有安装Miniconda3，请从官方网站下载并安装：

    

   1# 下载并安装 Miniconda3
   2wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
   3bash Miniconda3-latest-Linux-x86_64.sh

3. 创建虚拟环境

    

   创建一个新的虚拟环境，并激活它：

   1conda create --name pedestrian_env python=3.6
   2conda activate pedestrian_env

4. 安装依赖包

    

   安装项目所需的依赖包：

   1pip install -r requirements.txt

   requirements.txt 文件内容示例：

   1opencv-python==3.4.11.45
   2numpy
   3imutils

关键代码示例

1. 主检测脚本 detect.py

   1import cv2
   2from .utils import detect_pedestrians, predict_path_collision, draw_boxes
   3
   4def main(video_path, cascade_path):
   5    # 加载 Haar Cascades 模型
   6    pedestrian_cascade = cv2.CascadeClassifier(cascade_path)
   7
   8    # 打开视频文件
   9    cap = cv2.VideoCapture(video_path)
   10
   11    while True:
   12        ret, frame = cap.read()
   13        if not ret:
   14            break
   15
   16        # 检测行人
   17        pedestrians = detect_pedestrians(frame, pedestrian_cascade)
   18
   19        # 预测是否会有碰撞
   20        collision = predict_path_collision(pedestrians)
   21
   22        # 绘制行人框
   23        frame = draw_boxes(frame, pedestrians, collision)
   24
   25        # 显示结果
   26        cv2.imshow('Pedestrian Detection', frame)
   27
   28        if cv2.waitKey(1) & 0xFF == ord('q'):
   29            break
   30
   31    cap.release()
   32    cv2.destroyAllWindows()
   33
   34if __name__ == '__main__':
   35    video_path = 'data/video.mp4'
   36    cascade_path = 'data/haar_cascade.xml'
   37    main(video_path, cascade_path)

2. 辅助工具函数 utils.py

   1import cv2
   2import numpy as np
   3from imutils.object_detection import non_max_suppression
   4
   5def detect_pedestrians(frame, cascade):
   6    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
   7    pedestrians = cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
   8    return non_max_suppression(np.array(pedestrians))
   9
   10def predict_path_collision(pedestrians):
   11    # 这里可以添加路径预测逻辑
   12    return False
   13
   14def draw_boxes(frame, pedestrians, collision):
   15    for (x, y, w, h) in pedestrians:
   16        color = (0, 0, 255) if collision else (0, 255, 0)
   17        cv2.rectangle(frame, (x, y), (x + w, y + h), color, 2)
   18    return frame

3. 配置文件 config.py

   1CASCADE_PATH = 'data/haar_cascade.xml'
   2VIDEO_PATH = 'data/video.mp4'

运行系统

1. 运行主检测脚本

   1python pedestrian_detection/detect.py

扩展与维护

• 功能扩展：可以考虑增加多语言支持、多点检测、异常行为检测等功能。
• 性能优化：优化检测算法，提高系统处理速度。
• 用户体验：改进前端展示，提供更丰富的交互功能，如批量上传视频、导出分析结果等。
•