基于opencv的行人检测（附源码）

 这段代码是一个简单的行人检测程序，使用OpenCV库来实现。初学者可以尝试学习进行行人检测，行人检测主要用来判断输入图片（或视频）内是否包含行人，若检测到行人，则给出其具体的位置信息。该位置信息是智能视频监控、人体行为分析、智能驾驶、智能机器人等应用的关键基础。由于行人可能处于移动状态，也可能处于静止状态，且外观容易受到体型、姿态、衣着、拍摄角度、遮挡等多种因素的影响，因此行人检测在计算机视觉领域内成为研究热点与难点。

导入库 

import cv2 as cv
import numpy as np

创建了一个HOG特征描述符对象。HOG是一种在计算机视觉和图像处理中用于对象检测的特征描述符。

hog = cv.HOGDescriptor()

设置HOG特征描述符的SVM检测器。SVM是一种支持向量机，主要用于分类问题。cv.HOGDescriptor_getDefaultPeopleDetector()返回一个默认的人体检测器。

hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())

创建一个VideoCapture对象，用于从摄像头读取视频。这里的参数0表示使用默认的摄像头。

cap = cv.VideoCapture(0)

这是一个无限循环，用于不断地从摄像头读取视频帧，使用VideoCapture对象的read()方法从摄像头读取一帧。ret是一个布尔值，指示是否成功读取帧。frame是读取的帧。

while True:
    ret,frame = cap.read()

使用HOG特征描述符的detectMultiScale()方法检测帧中的人体。winStride=(4,4)指定了检测窗口的步长，padding=(10,10)指定了每个检测窗口周围的填充大小。

    boxes,weights = hog.detectMultiScale(frame,winStride=(4,4),padding=(10,10))

使用cv.rectangle()函数在图像帧上绘制一个矩形框，该矩形框左上角坐标为(x, y)，宽度为w，高度为h，颜色为绿色（BGR：(0,255,0)），线宽为2。

 for (x,y,w,h) in boxes:
        cv.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)

 计算矩形框的中心点坐标(center_x, center_y)。这里，(x+x+w) / 2和(y+y+h) / 2分别是计算中心点的x坐标和y坐标的公式。

  center_x = (x+x+w) / 2
  center_y = (y+y+h) / 2

用cv.circle()函数在图像帧上绘制一个圆形标记，该圆形标记的圆心坐标为(center_x, center_y)，半径为5，颜色为红色（BGR：(0,0,255)），线宽为-1（实心）。这样，在图像帧上就标注出了对象的中心点。

   cv.circle(frame,(int(center_x),int(center_y)),5,(0,0,255),-1)

显示窗口，注意等待键盘输入。参数1表示等待1毫秒。如果在这段时间内用户按下了键盘上的任意键，程序将读取该键并返回其ASCII码。这里主要是为了使窗口显示更加流畅，因为每一帧都等待键盘输入

    cv.imshow('demo',frame)
    cv.waitKey(1)

运行结果

从运行结果可以看出，当前识别效果还不错。但是，在面对复杂情况时，该程序的识别效果将差很多，还需要进一步的优化。后面我会发优化的后的代码。

下面我将完整代码放在这

import cv2 as cv
import numpy as np

hog = cv.HOGDescriptor()
hog.setSVMDetector(cv.HOGDescriptor_getDefaultPeopleDetector())

cap = cv.VideoCapture(r"C:\Users\RANDALL\Desktop\people.mp4")
while True:
    ret,frame = cap.read()

    boxes,weights = hog.detectMultiScale(frame,winStride=(4,4),padding=(10,10))
    for (x,y,w,h) in boxes:
        cv.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)
        center_x = (x+x+w) / 2
        center_y = (y+y+h) / 2
        cv.circle(frame,(int(center_x),int(center_y)),5,(0,0,255),-1)


    cv.imshow('demo',frame)
    cv.waitKey(1)