作者|Nidhi punj
编译|Flin
来源|medium
第1步：获取大量汽车图片
第2步：把它们都变成黑白图片
灰度图像使算法更快。颜色增加了模型的复杂性，或者我们可以说灰色图像是用来简化数学的。例如，我们可以谈论亮度、对比度、边缘、形状、轮廓、纹理、透视、阴影等，而不必讨论颜色。
第3步：训练算法以检测汽车
现在问题来了：计算机如何训练算法？
我们只是找到匹配项。
我们可以匹配上述功能，以实际检测到汽车的后保险杠，如下所示。
检测行人的想法是一样的
一切都是为了匹配特征或形状。如果某个物体与上述特征相匹配，模型会将其检测为行人。
让我们开始编写检测器
步骤1：我们首先需要安装OpenCV库。
pip install opencv-python
如果这不起作用，请尝试：
pip install opencv-python-headless
如果你仍然无法安装。尝试使用Google搜索，如何在计算机上安装opencv？
步骤2：下载机器学习文件（Haar Cascade xml文件）：
我们已经提供了经过预训练的汽车和人体（行人）分类器，我们只需要下载它即可。
汽车预训练分类器：https://raw.githubusercontent.com/andrewssobral/vehicle_detection_haarcascades/master/cars.xml
人体预训练分类器：https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_fullbody.xml
步骤3：我们只需要编写20行代码。你可以通过阅读代码来理解它。
GitHub的代码链接：https://github.com/nidhipunj7/AI-Car-and-Pedestrian-Tracking
结果
查看视频：
推荐链接：
欢迎关注磐创AI博客站：
http://panchuang.net/
sklearn机器学习中文官方文档：
http://sklearn123.com/
欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
