Python和OpenCV是实现行人检测与追踪的强大工具。以下是一个简单的实现步骤:
### 1. 环境准备
首先,确保你已经安装了Python和OpenCV库。如果没有安装,可以使用以下命令进行安装:
```bash
pip install opencv-python
```
### 2. 行人检测
使用预训练的HOG(Histogram of Oriented Gradients)描述符和支持向量机(SVM)分类器进行行人检测。OpenCV提供了预训练的行人检测模型。
```python
import cv2
# 加载预训练的行人检测模型
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
# 读取视频或摄像头
cap = cv2.VideoCapture(0) # 0表示默认摄像头
while True:
ret, frame = cap.read()
if not ret:
break
# 检测行人
boxes, weights = hog.detectMultiScale(frame, winStride=(8, 8))
boxes = np.array([[x, y, x + w, y + h] for (x, y, w, h) in boxes])
# 绘制检测框
for (xA, yA, xB, yB) in boxes:
cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 255, 0), 2)
cv2.imshow('Pedestrian Detection', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
```
### 3. 行人追踪
使用OpenCV的跟踪器(如CSRT、KCF等)进行行人追踪。首先,需要初始化跟踪器并传入初始检测框。
```python
import cv2
import numpy as np
# 加载预训练的行人检测模型
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
# 读取视频或摄像头
cap = cv2.VideoCapture(0) # 0表示默认摄像头
# 初始化跟踪器
tracker = cv2.TrackerCSRT_create()
while True:
ret, frame = cap.read()
if not ret:
break
# 检测行人
if tracker_init:
(success, box) = tracker.update(frame)
if success:
(x, y, w, h) = [int(v) for v in box]
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
else:
cv2.putText(frame, "Tracking failure detected", (100, 80), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)
else:
boxes, weights = hog.detectMultiScale(frame, winStride=(8, 8))
boxes = np.array([[x, y, x + w, y + h] for (x, y, w, h) in boxes])
for (xA, yA, xB, yB) in boxes:
cv2.rectangle(frame, (xA, yA), (xB, yB), (0, 255, 0), 2)
tracker.init(frame, (xA, yA, xB - xA, yB - yA))
cv2.imshow('Pedestrian Tracking', frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
```
### 4. 总结
通过以上步骤,你可以实现基本的行人检测与追踪。根据具体需求,可以进一步优化检测和追踪算法,例如使用深度学习模型进行更精确的检测。