（openCV 七）汽车检测

最新推荐文章于 2024-06-25 09:13:09 发布

niucaiqing

最新推荐文章于 2024-06-25 09:13:09 发布

阅读量1.5k

点赞数

分类专栏： openCV

本文链接：https://blog.csdn.net/niuniu0243111006/article/details/89342467

版权

本文详细介绍了如何利用OpenCV库进行汽车检测。通过结合计算机视觉技术和深度学习模型，实现对图像中汽车的精确识别。内容包括特征提取、图像预处理、YOLO等检测算法的应用，以及实际案例演示。

摘要由CSDN通过智能技术生成

汽车图片下载地址，下载后解压，解压后的包名为CarData
https://l2r.cs.uiuc.edu/~cogcomp/Data/Car/CarData.tar.gz

import cv2
import numpy as np
from os.path import join
#此数据集为UIUC Car Detection 可网上下载
datapath = "CarData/TrainImages/"
def path(cls,i):
  return "%s/%s%d.pgm"  % (datapath,cls,i+1)

pos, neg = "pos-", "neg-"#数据集中图片命名方式

detect = cv2.xfeatures2d.SIFT_create()#提取关键点
extract = cv2.xfeatures2d.SIFT_create()#提取特征
#FLANN匹配器有两个参数：indexParams和searchParams,以字典的形式进行参数传参
flann_params = dict(algorithm = 1, trees = 5)#1为FLANN_INDEX_KDTREE
matcher = cv2.FlannBasedMatcher(flann_params, {})#匹配特征
#创建bow训练器，簇数为40
bow_kmeans_trainer = cv2.BOWKMeansTrainer(40)
#初始化bow提取器
extract_bow = cv2.BOWImgDescriptorExtractor(extract, matcher)

def extract_sift(fn):#参数为路径
  im = cv2.imread(fn,0)
  return extract.compute(im, detect.detect(im))[1]#返回描述符
#读取8个正样本和8个负样本
for i in range(8):