python - 使用 opencv 进行深度学习人员检测

Question

所以我在这里真的很新。目前正在从事一个公共(public)艺术项目，我需要一些编程方面的帮助，因为我有点迷失在代码之间。

首先，我将简要描述工作目标，然后陈述我的问题。

我正在将网络摄像头放在面向公共(public)街道的画廊的橱窗中。该网络摄像头连接到街道上朝外的电视屏幕，因此人们可以看到自己正在被拍摄(如 cctv)。然后，如果人们在相机前站得足够长，网络摄像头会自动截取屏幕截图，然后通过电子邮件发送到一个站点，该站点包含一个用于自动打印附件的脚本，街上的人会立即进入我的画廊，在纸上。
(是的，我得到了画廊的许可，因为它稍微处于合法性的灰色地带)

我来自对编程感兴趣的艺术背景，所以这对我来说都是非常新的，而且我认为已经很远了。我有一个运行开放 cv 的树莓派，并在其上放置了一个用于深度学习对象检测的脚本(https://www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv/)<我用于此的链接。

我还遇到了大量行人跟踪，但还没有找到适合实时视频流的代码。

所以我需要你们帮忙，如何在脚本中制作一个计时器，这样当人们站得足够长时，它会制作屏幕截图。这有点像反向安全摄像头脚本，因为它们会对运动使用react，而我希望它对完全没有运动使用react。

自动附件打印部分我认为是因为互联网上已经有很多脚本。

如果您有任何提示或技巧..请告诉我。

帮助一个女孩!

马里耶

Answer 1

您可以尝试很多事情。

相机是否面向购物街？在这种情况下，您可以进行简单的背景减法。对于每一帧，应用一些预处理(例如模糊、形态操作)，调用 findContours并计算 minEnclosingRect 的中心对于这些中的每一个。

另一种选择是使用内置的(和预训练的)HOG PeopleDetector .这是基于 SVM(支持向量机)，这是另一种机器学习技术。为此，您必须充分调整参数。由于您使用的是 Pi，因此您还需要考虑速度和准确性之间的权衡。使用这种技术，我们也会留下矩形，所以我们可以再次计算中心。

对于这两种技术，您都需要确保中心点不会在帧之间波动太大(这意味着人在移动)。为此，您还需要考虑帧速率并了解您不能保证对每一帧都进行人物检测。

第一种技术的警告，虽然具有更多的解释力，但它会检测到任何从帧到帧的变化，包括宠物、自行车、汽车(如果在公共(public)街道上)等等。然后您可以考虑过滤(例如按区域、颜色)。