先上代码
import cv2
import numpy as np
def is_inside(o,i):
ox,oy,ow,oh=o
ix,iy,iw,ih=i
return ox>ix and oy>iy and ox+ow < ix+iw and oy + oh <iy+ih
def draw_person(image,person):
x,y,w,h = person
cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,255),2)
img =cv2.imread("xhs2.jpg")
hog=cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
found,w=hog.detectMultiScale(img)#,found1,0,Size(4,4), Size(0,0), 1.05, 2
found_filtered=[]
for ri,r in enumerate(found):
for qi,q in enumerate(found):
if ri != qi and is_inside(r,q):
break
else:
found_filtered.append(r)
for person in found_filtered:
draw_person(img,person)
cv2.imshow('people detection',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
解释如下：
自定义函数is_inside 和 draw_person
功能： is_inside确定矩形是否完全包含在另一个矩形中
draw_person绘制矩形框住检测到的人
其中的cv.rectangle()函数： cv2.rectangle(img,(x,y),(x+w,y+h),(0,255,255),2)
rectangle是矩形，长方形的意思。第一个参数是图像，原图，第二个参数 是矩形左上角的点。
w表示矩形的宽，y表示矩形的高，（x+w,y+h）就是矩形右下角的点；第三个参数是矩形颜色；第四个参数是矩形宽度
该函数是通过对角线画矩形，所以只传入两个点。
接下来读取图片. 然后调用HOGDescriptor: hog=cv2.HOGDescriptor()
在这之后，指定HOGDescriptor作为检测人的默认检测器。
这可通过setSVMDetector()方法实现，如果没有介绍过SVM的话，这会比较晦涩难懂。
接下来用detectMultiScale函数来加载图像。注意，这里与人脸检测算法不一样，不需要在使用目标检测方法之前将原始图像
转化为灰度形式。
该检测方法将返回一个与矩形相关的数组，用户可用该数组在图像上绘制形状。但如果这样做，
就会发现某些矩形会完全包含在其他矩形中。这说明检测出现了错误。如果矩形被完全包含在另外一个矩形中，
可确定该矩形被丢弃。
这就是为什么要定义is_inside函数的原因，以及为什么要遍历检测结果来丢掉不含有检测目标的区域。
如果运行该脚本，就会看到在图像中有一个矩形将人框住。
参考博客：
https://blog.csdn.net/hjxu2016/article/details/77833984
https://blog.csdn.net/jningwei/article/details/78757204