基于python的opencv行人检测带简单按钮界面

基于python语言的opencv行人检测，通过OpenCV自带的HOG+SVM行人检测器图片中的行人，并根据界面提示按钮，选择相应的操作。

 # import the necessary packages
from __future__ import print_function  #确保代码同时在Python2.7和Python3上兼容
from imutils.object_detection import non_max_suppression
from imutils import paths
import numpy as np
import argparse
import imutils   #安装库pip install imutils ；pip install --upgrade imutils更新版本大于v0.3.1
import cv2

# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser（）
ap.add_argument（“-i“ “--images“required=True help=“path to images directory“）
# args = vars（ap.parse_args（））

# 初始化我们的行人检测器
hog = cv2.HOGDescriptor（）   #初始化方向梯度直方图描述子
hog.setSVMDetector（cv2.HOGDescriptor_getDefaultPeopleDetector（））  #设置支持向量机（Support Vector Machine）使得它成为一个预先训练好了的行人检测器
#到这里，我们的OpenCV行人检测器已经完全载入了，我们只需要把它应用到一些图像上
#---------------------------------------------------------------------------------------------------------
image_Path=“./images“;
# loop over the image paths
for imagePath in paths.list_images（image_Path）: #args[“images“]
    # load the image and resize it to （1） reduce detection time
    # and （2） improve detection accuracy
    image = cv2.imread（imagePath）
    image = imutils.resize（image width=min（400 image.shape[1]））
    orig = image.copy（）
    ‘‘‘
    构造了一个尺度scale=1.05的图像金字塔，以及一个分别在x方向和y方向步长为（44）像素大小的滑窗
    scale的尺度设置得越大，在图像金字塔中层的数目就越少，相应的检测速度就越快，但是尺度太大会导致行人出现漏检；
    同样的，如果scale设置得太小，将会急剧的增加图像金字塔的层数，这样不仅耗费计算资源，而且还会急剧地增加检测过程
    中出现的假阳数目（也就是不是行人的被检测成行人）。这表明，scale是在行人检测过程中它是一个重要的参数，
    需要对scale进行调参。我会在后面的文章中对detectMultiScale中的每个参数做些调研。
    ‘‘‘
# detect people in the image：
    （rects weights） = hog.detectMultiScale（image winStride=（4 4）
        padding=（8 8） scale=1.05）

    # draw the original bounding boxes
    for （x y w h） in rects:
        cv2.rectangle（orig （x y） （x + w y + h） （0 0 255） 2）

        # apply non-maxima suppression to the bounding boxes using a
        # fairly large overlap threshold to try to maintain overlapping
        # boxes that are still people
    #应用非极大抑制方法，通过设置一个阈值来抑制那些重叠的边框
    rects = np.array（[[x y x + w y + h] for （x y w h） in rects]）
    pick = non_max_suppression（rects probs=None overlapThresh=0.65）

    # draw the final bounding boxes
    for （xA yA xB yB） in pick:
        cv2.rectangle（image （xA yA） （xB yB） （0 255 0） 2）

    # show some information on the number of bounding boxes
    filename = imagePath[imagePath.rfind（“/“） + 1:]
    print（“[INFO] {}: {} original boxes {} after suppression“.format（
        filename len（rects） len（pick）））

    # show the output images
    cv2.imshow（“Before NMS“ orig）
    cv2.imshow（“After NMS“ image）
    cv2.waitKey（0）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-01 17:56  PedestrianDetection\
     目录           0  2019-03-01 17:56  PedestrianDetection\.idea\
     文件         183  2018-01-21 14:41  PedestrianDetection\.idea\misc.xml
     文件         290  2018-01-21 14:40  PedestrianDetection\.idea\modules.xml
     文件         455  2018-01-21 14:41  PedestrianDetection\.idea\PedestrianDetection.iml
     文件       10650  2018-01-22 09:32  PedestrianDetection\.idea\workspace.xml
     文件          39  2018-12-18 18:04  PedestrianDetection\1.txt
     文件        3361  2018-12-10 19:27  PedestrianDetection\detect.py
     目录           0  2018-12-18 18:07  PedestrianDetection\image\
     目录           0  2019-03-01 17:56  PedestrianDetection\images\
     文件       98918  2018-12-18 17:41  PedestrianDetection\images\person_1.jpg
     文件       23582  2018-12-18 17:40  PedestrianDetection\images\person_10.jpg
     文件      150943  2018-12-18 17:56  PedestrianDetection\images\person_11.jpg
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_12.bmp
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_13.bmp
     文件      204593  2018-12-18 17:58  PedestrianDetection\images\person_14.jpeg
     文件      103383  2018-12-18 18:00  PedestrianDetection\images\person_15.jpeg
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_16.bmp
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_2.bmp
     文件       22728  2018-12-18 17:53  PedestrianDetection\images\person_220.jpg
     文件      921654  2003-05-20 13:37  PedestrianDetection\images\person_221.bmp
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_3.bmp
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_302.bmp
     文件      921654  2003-05-20 13:44  PedestrianDetection\images\person_390.bmp
     文件      945906  2018-12-18 17:47  PedestrianDetection\images\person_4.JPG
     文件       37042  2018-12-18 17:46  PedestrianDetection\images\person_5.jpg
     文件       71234  2018-12-18 17:47  PedestrianDetection\images\person_6.jpg
     文件       83034  2018-12-18 17:36  PedestrianDetection\images\person_7.jpg
     文件       30150  2018-12-18 17:50  PedestrianDetection\images\person_8.jpg
     文件      921654  2003-05-20 13:43  PedestrianDetection\images\person_9.bmp
     文件        3511  2018-12-18 18:06  PedestrianDetection\untitled1.py
............此处省略0个文件信息