opencv GPU自带行人识别

ros:kcf算法+行人检测 = 让机器人自动识别并追踪行人 实现目标:机器人检测到有人走过来,迎上去并开始追踪。 追踪算法使用kcf算法,关于kcf追踪的ros库在github地址 https://github.com/TianyeAlex/tracker_kcf_ros,kcf算法是目前追踪算法中比较好的,程序跑起来后效果也是不错的。我能力有限,在这里不作介绍。有兴趣的可以去研究一下。这里主要讲一下在次基础上添加行人检测,做到自动追踪。 追踪的代码 阅读详情

gpu 利用opencv自带的行人识别 ,效果还不错 ,没有那么卡

#include <iostream>
#include "opencv2/opencv.hpp"
#include "opencv2/gpu/gpu.hpp"
#include <opencv2/objdetect/objdetect.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <cv.h>
    using namespace cv;

int main (int argc, char* argv[])
{    // CvCapture *Frame=cvCaptureFromCAM(-1);
     VideoCapture cap("People1.avi");
     if(!cap.isOpened())  
    return -1;  
     cv::Mat Image_frame;
       VideoWriter writer("VideoTest.avi", CV_FOURCC('M', 'J', 'P', 'G'), 25.0, cvSize(640, 480)); 
    // Image_frame=cvQueryFrame(Frame);
while (1)
  {    cap>>Image_frame;
     // imshow("Cam",Image_frame);


     // cv::Mat Image = cv::imread("load.jpg" );
      cv::gpu::GpuMat Image_Src,Image_Dst;
      Image_Src.upload (Image_frame);

     cv::gpu::cvtColor(Image_Src,Image_Dst,CV_BGR2GRAY);

     vector<Rect> found;
     cv::gpu::HOGDescriptor GUP_Hog;
     GUP_Hog.setSVMDetector(cv::gpu::HOGDescriptor::getDefaultPeopleDetector());
     GUP_Hog.detectMultiScale(Image_Dst, found);       //转为灰度值
      for (size_t i = 0; i < found.size(); i++)  
    {  
        cv::rectangle(Image_frame , found[i], cv::Scalar(0,0,255), 2);  
    }  
    //  if( Image_frame.empty() )
    //    break;
      cv::imshow("Image",Image_frame);
     // writer<< Image_frame ;
      cv::waitKey(5); 

}
    return 0;
}
C++ 基于 OpenCV 的人脸识别 C++实现人脸识别 阅读详情

相关推荐

OpenCV实现监控视频行人识别与跟踪的完整方案

计算机视觉中的目标检测与跟踪技术是智能监控系统的核心技术支撑。基于深度学习的目标检测算法如YOLO系列通过卷积神经网络实现特征提取与分类,结合OpenCV的DNN模块可以高效部署。在工程实践中,通过CUDA加速和算法优化,能够在1080p视频流中实现实时行人检测与跟踪。这类技术在安防监控、智慧零售等领域具有重要应用价值,例如商场客流量统计、重点区域行人轨迹分析等场景。本文详细介绍基于OpenCV和YOLOv3-tiny的行人检测方案,包含环境配置、算法选型、跟踪优化等全流程实现,特别针对实际项目中的CUDA

weixin_33708633的博客 221

Windows环境下Cmake编译opencv-python使用GPU资源

Windows环境下Cmake编译opencv-python使用GPU资源

Cretheego的博客 2422

yolov3 tiny进行行人识别—anaconda环境配置

yolov3 tiny进行行人识别—anaconda环境配置 前言:anaconda是一种非常好用的环境管理软件,可以非常容易安装各类包,如果运行显示缺包,那就去environment去安装对应的包。 以我的版本为例:python 3.7.4 - tensorflow 1.13.1 - numpy 1.16.0 - keras 2.2.4 环境安装(纯享版) 1.打开boot环境下的 创建一个虚拟环境 conda create -n yolvo python=3.5//yolvo是创建的环境名称 激活环

qq_43547770的博客 514

使用opencv_gpu实现边缘检测

最后,可以通过调用 cv2.cuda.stream.Stream() 函数来创建一个 GPU 流对象,并使用 cv2(cuda)函数将处理后的图像数据从 GPU 传回到 CPU 上。接下来,可以使用 cv2.cuda.createCannyEdgeDetector() 函数创建一个 Canny 边缘检测器的 GPU 对象。其中,edges 是经过边缘检测后的图像数据,cv2.RETR_EXTERNAL 表示只检测最外层的轮廓,cv2.CHAIN_APPROX_SIMPLE 表示简化轮廓的表示。

coder攻城狮的博客 1751

2023年目标检测毕业设计(yolov5车辆识别、车辆检测、车牌识别、行人识别)

OpenCV提供的视觉处理算法非常丰富,并且它部分以C语言编写,加上其开源的特性,处理得当,不需要添加新的外部支持也可以完整的编译链接生成执行程序,所以很多人用它来做算法的移植,OpenCV的代码经过适当改写可以正常的运行在DSP系统和ARM嵌入式系统中。车牌区域的定位采用基于形状的方法。车牌的特征可以选择中国车牌的大小、比例特征,因为车牌都是固定的矩形形状,通过首先寻找图像上拥有矩形特征的区域,然后再抽取这些区域,再结合车牌的长宽的比例特征可以筛选出相应的矩形区域,从而实现对车牌的准确定位。

斌擎科技 4910

2024年 车辆检测+车距检测+行人检测+车辆识别+车牌识别+车距预测(附YOLOv5和YOLOv8最新版源码)

运用yolov5进行车距检测,车辆识别,行人识别,车牌检测!

斌擎科技 1万+

CUDA + OpenCV人脸识别 and 速度比较

人脸识别用的是OpenCV自带的级联分类器,在opencv\data文件夹里可以找到这些已经训练好的xml文件。我将分别使用CUDA加速和不使用CUDA,比较一下速度上到底有多大提升。 WITH CUDA: #include <iostream> #include <opencv2/opencv.hpp> using namespace cv; using names...

liqiancao的专栏 3268

GPU-HOG:HOG算法的GPU实现

CUDA 猪 具有默认参数的定向梯度直方图 [Dalal 2005] 的 GPU 实现。 该算法使用图像上的滑动窗口来生成直方图。 特征向量保存在“GPU_features”下,梯度幅度和角度计算步骤保存在“gradient.txt”中,虽然它并不漂亮:P 安装 从磁盘读取图像需要 。 它已经包含在内。 确保已安装 X11 库。 CImg 需要它们来编译。 运行包含的 makefile(在发布/调试中)。 用法 跑步: ./Debug/HOGCUDA [图像名称] 或者 ./Release/HOGCUDA [图像名称] 问题/错误 未实现块边缘的高斯权重。 仅支持 RGB 图像 内核无法启动小图像。 环境 用 Nsight 编译,gcc 4.8,CUDA 6.5,NVIDIA 驱动程序 340.65 GTX 780 上的 Debian Jessie(测试) 执照 在 MIT 许

opencv dpm行人识别_实时行人检测方案综述(一)

过去的一年我都在忙着实现我的本科毕业设计课题项目:行人检测系统。我们团队的目标是实时检测现场CCTV摄像机视频流中出现的行人。本文是对此项目的简要总结,同时对我们在开发这个行人检测系统中用到的一些开源项目和库进行简单的评价。行人检测是目标检测的一个分支。目标检测的任务是从图像中识别出预定义类型目标的存在。目标检测任务包括识别目标并给出每个目标的矩形包围框。一个用来检测行人的目标检测系统,就称为行人...

weixin_29343153的博客 1193

行人检测C++代码

行人检测C++代码

行人检测与跟踪

整个项目代码包括:faster RCNN作为检测的基础,结合传统跟踪算法,以及效果。由于模型的参数太大,所以没有上传,

转载:yolo-v3行人检测,Windows下

1.在Windows下的配置(无GPU)+opencv3.2.0+VS2015 具体操作参考入下连接 https://blog.youkuaiyun.com/baidu_36669549/article/details/79798587 AlexeyAB/darknet下载zip文件,解压 进入D:\darknet-master\darknet-master\build\darknet,点击darknet_...

wangxue_1231的博客 5359

Drools vs URule:5个真实项目场景告诉你如何选择开源规则引擎

本文通过电商风控、物流计费、会员体系、保险定价和物联网告警五个真实项目场景,深度对比了Drools与URule两款开源规则引擎。分析了两者在规则复杂度、性能表现、开发运维及适用场景上的核心差异,为技术选型提供基于实战的决策指南。

k6l7m8n9的博客 943

基于改进CNN和OpenCV的行人轨迹实时预测系统(源码&教程)

基于改进CNN和OpenCV的行人轨迹实时预测系统(源码&教程)

m0_73650416的博客 3433

Stable-Baselines3性能优化:多环境训练对比指南(DummyVecEnv vs SubprocVecEnv)

本文深入对比了Stable-Baselines3中DummyVecEnv与SubprocVecEnv两种向量化环境的性能差异与应用场景。DummyVecEnv适用于轻量级、步进快的环境,调试友好且开销低;而SubprocVecEnv则通过真正的多进程并行,能显著加速计算密集型环境的训练。文章通过基准测试与决策树,指导开发者根据环境计算成本、CPU核心数等关键因素做出最优选择,以实现训练效率最大化。

weixin_29063979的博客 146

VS Code + ESP-IDF:离线环境配置与示例工程编译全指南

本文详细介绍了在VS Code中离线配置ESP-IDF开发环境的完整流程。针对国内开发者常遇到的网络问题,指南提供了从Python环境准备、获取离线安装包、运行安装器到VS Code插件配置与示例工程编译的全套解决方案,确保环境搭建稳定、可控且高效。

weixin_28842367的博客 402

行人重识别演示系统 基于yolo方法实现视频中行人的检测,再通过行人重识别模型,完成从众多行人...

系统跑起来后,发现个有趣现象:背包对ReID的影响比想象中小。这套行人重识别系统背后,藏着两个秘密武器:YOLOv5的实时检测能力和ReID模型的精准识别。基于yolo方法实现视频中行人的检测,再通过行人重识别模型,完成从众多行人中识别出指定的行人。基于yolo方法实现视频中行人的检测,再通过行人重识别模型,完成从众多行人中识别出指定的行人。首先给定一个目标行人,之后从给定的视频中检测出候选结果并展示,给出相似度情况。首先给定一个目标行人,之后从给定的视频中检测出候选结果并展示,给出相似度情况。

OewxHHlkayHF的博客 395

科研绘图实战:用Adobe Illustrator高效排版期刊论文图片

本文详细介绍了使用Adobe Illustrator高效排版科研论文图片的完整工作流。针对期刊投稿常见的图片格式问题,文章重点讲解了矢量图与位图的预处理、AI中的精准对齐与分布技巧、文字样式统一管理以及最终输出TIFF/PDF等符合出版要求的格式。掌握这套方法能确保图片满足高分辨率、规范字体和精确尺寸等期刊硬性标准,显著提升投稿效率。

tomato的博客 1427

opencv︱opencv中实现行人检测:HOG+SVM(二)

接:opencv︱HOG描述符介绍+opencv中HOG函数介绍(一) 相关博文:Recorder︱图像特征检测及提取算法、基本属性、匹配方法 转载于:Opencv HOG行人检测 源码分析(一)和HOG:从理论到OpenCV实践 HOG+SVM是传统计算机视觉中的经典组合模型。 零、行人检测综述来源于:行人检测、跟踪与检索领域年度进展报告 行人检测,就是将一张图片中

素质云笔记 2万+

基于Openrouter的API调用免费大模型

Openrouter 是一个 AI 模型聚合平台,整合了全球 200 多种主流 AI 模型,包括 GPT-4、Claude、Gemini 等,以及国产通义千问、DeepSeek 等。其核心优势是统一的 API 设计,开发者仅需少量代码即可与多个模型交互,还支持自动路由与回退机制。用户可通过 OpenAI SDK 或 LangChain 调用 Openrouter 中的模型。

MurphyStar的博客 6200

国家基本比例尺分幅土地利用现状图制作

本次主要解决的问题是如何构建脚本快速生成所涉及区域标准国家基本比例尺分幅,然后制作土地利用现状图模板,套用模板生成标准分幅土地利用现状图。

xyt1172228177的博客 2458

opencv 识别圆环

利用opencv识别圆环找出圆心方法思路涉及到的opencv方法关键代码效果实现总结 方法思路 大概的流程就是: 先对图像去噪声 识别出轮廓 找出自己想要的轮廓(重点) 涉及到的opencv方法 1 cv::GaussianBlur() //彩色图像转化成灰度图,并且去噪 2 cv::threshold() //图像二值化,用法以后会根据我的经验详解一次 3 cv::findContours() //找图像轮廓 4 cv::fitEllipse() //椭圆拟合 其实用到的opencv

qq_40956668的博客 7431

控制科学与工程(自动化)保研经验【1】——预备篇

个人情况 学校:中末流211 专业:自动化(学科评估B-) 年份:2019 排名:4/128 绩点:4.16/5 竞赛:三个国二(包括数模国赛美赛)、两个省一(机器人、电子设计竞赛) 【本科期间竞赛做的比较多,是我的一大亮点,可以在筛简历这关适当弥补专业排名的不足】 科研:一个校级的大创项目(水) 夏令营报名:中科大科学岛、中科大本部、自动化所、沈自所、北航(仪器17系)、山大、浙江大学、南开、同...

Control Everything 1万+

利用opencv中HOGDescriptor类的行人检测接口进行 行人检测

加上这个一共做了两种版本行人检测了,一个是利用

qq_35859033的博客 1415

使用Qt和MX Component插件实现与菱PLC的通信

在本文中,我们介绍了如何使用Qt和MX Component插件实现与菱PLC的通信。我们首先安装和配置了MX Component插件,并在Qt项目中初始化和使用MX Component来连接、读取和写入PLC的数据。安装完成后,您需要在Qt项目中配置MX Component的路径,以便Qt可以找到所需的库文件。在本文中,我们将探讨如何使用Qt和MX Component插件来实现与菱PLC的通信。在主函数中,我们将初始化MX Component,并创建一个与PLC通信的示例。在上面的代码中,我们使用了。

TlScratch的博客 995

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

Yolo+OpenCV识别的快速搭建(使用GPU)

本文的示例代码用的是识别人和摩托,同时提到了Pycharm更新代理的虚拟环境添加方面的问题

2402_86532501的博客 1434

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

上一篇: opencv GPU函数
下一篇: opencv GPU HoughLines直线
C_ROS
博客等级 码龄12年 9粉丝 17原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值