宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

我们将分为以下几个步骤完成这个项目：

1. 安装必要的库

2. 加载和显示视频

3. 应用预训练的人物检测模型

4. 在检测到的人物周围绘制边界框

5. 保存和显示结果

总结：

1. 安装必要的库

首先，确保您已安装以下库：

OpenCV: 用于图像处理和计算机视觉任务
imutils: 提供一些实用函数，如图像旋转、裁剪等

安装方法如下：

pip install opencv-python
pip install imutils

2. 加载和显示视频

首先，我们需要导入所需的库，并加载一个视频文件。我们将使用OpenCV的VideoCapture类来加载视频。

import cv2
import imutilsvideo_path = "path/to/your/video.mp4"# 打开视频
cap = cv2.VideoCapturevideo_path)while True:ret, frame = cap.read)if not ret:break# 缩放以提高处理速度frame = imutils.resizeframe, width=600)cv2.imshow"Input Video", frame)if cv2.waitKey1) & 0xFF == ord"q"):breakcap.release)
cv2.destroyAllWindows)

3. 应用预训练的人物检测模型

接下来，我们将使用OpenCV中提供的预训练模型。这里我们使用MobileNet-SSD模型，因为它在速度和准确性之间达到了很好的平衡。

prototxt_path = "path/to/your/MobileNetSSD_deploy.prototxt"
model_path = "path/to/your/MobileNetSSD_deploy.caffemodel"# 加载预训练模型
net = cv2.dnn.readNetFromCaffeprototxt_path, model_path)

4. 在检测到的人物周围绘制边界框

现在，我们将使用预训练的模型来检测视频中的人物，并在检测到的人物周围绘制边界框。

# 设置置信度阈值
confidence_threshold = 0.5while True:ret, frame = cap.read)if not ret:breakframe = imutils.resizeframe, width=600)h, w) = frame.shape[:2]# 将图像转换为blobblob = cv2.dnn.blobFromImageframe, 0.007843, w, h), 127.5)net.setInputblob)detections = net.forward)for i in rangedetections.shape[2]):confidence = detections[0, 0, i, 2]if confidence > confidence_threshold:idx = intdetections[0, 0, i, 1])if idx == 15:  # 15 代表人类box = detections[0, 0, i, 3:7] * np.array[w, h, w, h])startX, startY, endX, endY) = box.astype"int")# 在检测到的人物周围绘制边界框cv2.rectangleframe, startX, startY), endX, endY), 0, 255, 0), 2)cv2.imshow"Input Video", frame)if cv2.waitKey1) & 0xFF == ord"q"):break

5. 保存和显示结果

最后，我们将处理后的视频保存到磁盘，并在程序完成后关闭所有窗口。

# 创建 VideoWriter 对象以保存处理后的视频
fourcc = cv2.VideoWriter_fourcc*"mp4v")
out = cv2.VideoWriter"output.mp4", fourcc, 30, w, h))while True:ret, frame = cap.read)if not ret:breakframe = imutils.resizeframe, width=600)h, w) = frame.shape[:2]blob = cv2.dnn.blobFromImageframe, 0.007843, w, h), 127.5)net.setInputblob)detections = net.forward)for i in rangedetections.shape[2]):confidence = detections[0, 0, i, 2]if confidence > confidence_threshold:idx = intdetections[0, 0, i, 1])if idx == 15:box = detections[0, 0, i, 3:7] * np.array[w, h, w, h])startX, startY, endX, endY) = box.astype"int")cv2.rectangleframe, startX, startY), endX, endY), 0, 255, 0), 2)# 将帧写入输出视频out.writeframe)cv2.imshow"Input Video", frame)if cv2.waitKey1) & 0xFF == ord"q"):breakcap.release)
out.release)
cv2.destroyAllWindows)

总结：

现在，您应该已经成功地创建了一个可以识别人物出现并将其锁定的项目。通过运行此代码，您将能够在给定的视频中检测到人物，并在检测到的人物周围绘制边界框。此外，该程序将处理后的视频保存到磁盘，以便您以后查看。

本教程展示了如何使用Python和OpenCV库构建一个简单的人物识别和锁定项目。您可以在此基础上进行扩展，以满足您的特定需求。例如，您可以尝试：

使用其他预训练模型，以提高识别准确性或降低计算复杂性。
为检测到的人物添加标签，例如显示置信度分数或人物ID。
跟踪检测到的人物在视频中的移动轨迹。
将此项目扩展为实时人物识别系统，通过摄像头实时监控人物出现。

查看全文

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.dgrt.cn/a/2212751.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

用Python和OpenCV库实现识别人物出现并锁定

我们将分为以下几个步骤完成这个项目：
目录
1. 安装必要的库
2. 加载和显示视频
3. 应用预训练的人物检测模型
4. 在检测到的人物周围绘制边界框
5. 保存和显示结果
总结： 1. 安装必要的库
首先，确保您已安装以下库：
Ope……

编程日记2023/4/6 15:50:39

docker搭建elk+filebeat

0. 架构如果后续日志数据海量也可以加上缓存redis或者消息队列进行升级前言:此处如果使用docker进行学习的可以按照文章配置如果是生产环境建议先自定义一个docker网络,来使elasticsearch和logstash的ip地址固定,不然的话docker重启后可能会导致ip变动出现的问题,然后在dock……

编程日记2023/4/6 15:50:28

MyBatis 动态SQL之＜choose＞＜when＞＜otherwise＞标签-

简介
MyBatis 中动态语句 choose-when-otherwise 类似于 Java 中的 switch-case-default 语句。由于 MyBatis 并没有为 if 提供对应的 else 标签，如果想要达到…… 的效果，可以借助、、来实现。
语法
<choose><when test"判断条件1&q……

编程日记2023/4/6 15:50:19

算法竞赛进阶指南0x25 广搜

算法竞赛进阶指南0x25 广搜…

编程日记2023/4/6 15:50:10

网络特征之PCA可视化-Python实现

前言
PCA也是对网络特征可视化的一种方法，目的是对特征进行降维，然后通过图片的形式来对网络的特征提供一种解释。所以，本博客提供一个将网络特征进行PCA的可视化的代码，其原理为将C通道的特征降维到3通道，即图片的R……

编程日记2023/4/6 15:49:59

c语言进阶学习笔记——程序环境和预处理

目录程序的翻译环境和执行环境详解编译链接翻译环境运行环境预处理详解预定义符号#define#define 定义标识符#define 定义宏#define 替换规则#和##带副作用的宏参数宏和函数宏和函数的对比命名约定#undef命令行定义条件编译文件包含头文件被包含的方式嵌套文件包含程序的翻译环……

编程日记2023/4/6 15:49:47

随想代码录【数组篇】—–＞二分查找、移除数组

文章目录二分查找二分易错点循环不变量重要)左闭右闭左闭右开总结移除数组暴力解法双指针二分查找题目链接LeetCode704. 二分查找
二分易错点
while循环中，循环条件是left < right还是left < rightleft每次更新是left mid 1还是left mid, right每次更新……

编程日记2023/4/6 15:49:19

acm–最小公倍数（HDU 1108）

HDU 1108 最小公倍数Gcd 数论 HDU 1108 最小公倍数（Gcd 数论）
#include<stdio.h>
int Gcdint a, int b){return b 0? a: Gcdb, a%b);
}
int main){int x,y;whilescanf"%d%d",&x,&y)!EOF) printf"%d\n",x*y/G……

编程日记2023/4/6 15:49:10

acm–错排公式（HDU 1465）

acmHDU 1465错排公式问题引入递推法推导错排公式用容斥原理排列组合推出错排公式简化公式 acm–HDU 1465
话不多说，来代码
#include<stdio.h>
long long Dint n)
{if n 1)return 0;if n 2)return 1;return n – 1)*Dn – 1)Dn – 2));
}
int main)
……

编程日记2023/4/6 15:49:10

快速幂取模（转载+自己理解）

快速幂取模详解很详细的快速幂算法理解快速幂取模详解
本人新手，在此谢谢本文引用的《快速幂取模算法》作者夜せ︱深万分感谢。
很详细的快速幂算法快速幂取模，简单的说，就是快速的求一个幂式的模余)。在程序设计过程中，经……

编程日记2023/4/6 15:49:09

【Java开发】设计模式 12：解释器模式

1 解释器模式介绍
解释器模式是一种行为型设计模式，它提供了一种方法来解释语言、表达式或符号。
在该模式中，定义了一个表达式接口，并实现了对应的表达式类，这些类可以解释不同的符号组成的表达式，从而实现对语言的……

编程日记2023/4/16 14:54:05

反序列化渗透与攻防五)之shiro反序列化漏洞

Shiro反序列化漏洞
Shiro介绍
Apache Shiro是一款开源安全框架，提供身份验证、授权、密码学和会话管理。Shiro框架直观、易用，同时也能提供健壮的安全性
Apache Shiro 1.2.4及以前版本中，加密的用户信息序列化后存储在名为remember-me的Cookie中。攻击者可以使用Shiro的默……

编程日记2023/4/16 14:52:13

vue2+vue3

vue2vue3尚硅谷vue2vue2 课程简介【02:24】vue2 Vue简介【17:59】vue2 Vue官网使用指南【14:07】vue2 搭建Vue开发环境【13:54】vue2 Hello小案例【22:25】了解：不常用常用：id 更常用简单class差值总结vue 实例vue 模板：先取 &#xff0……

编程日记2023/4/16 14:52:00