Zielerkennung und -verfolgung mit mehreren Ansichten – Projekthinweis 01
Python | Computer Vision | Verwendung von NPY-Dateien und Numpy-Array | Kalman-Filterung
Ich habe festgestellt, dass Python beim Speichern von Koordinaten normalerweise .npy-Dateien verwendet. Die nachfolgenden Operationen an npy-Dateien umfassen Matrizen und Numpy-Arrays. Im letzten Semester habe ich
hauptsächlich die Zielerkennung abgeschlossen. In letzter Zeit habe ich Kalman-Filterung verwendet, um eine Zielverfolgung zu erreichen. Im Speziellen Implementierung Einige grundlegende Probleme wurden während des Prozesses entdeckt.
1. NPY-Dateioperation
1. Speichern Sie NPY-Dateien
import numpy as np
path = '/data/savePoint'
point = [[1 1] [2 2] [3 3]]
np.save(path, point)
2. NPY-Datei lesen
Speichern Sie mehrere NPY-Dateien in einem Ordner
import numpy as np
data = np.array(np.load('data/savePoint/frameTest.npy'))
3. Verbinden Sie mehrere NPY-Dateien
Lesen Sie alle NPY-Dateien in einem Ordner und verketten Sie sie zu einer NPY-Datei
path = '/data/savePoint'
temp = []
for root, dirs, files in os.walk(path): # 文件夹,文件夹中的目录,文件夹中的文件
for each in files:
real_path = (os.path.join(root, each))
real_data = np.load(real_path, allow_pickle=True) # 类型是numpy array
temp.append(real_data)
np.save('coordinate.npy', temp)
Zweitens das Numpy-Array
Nehmen Sie als Beispiel die gerade gespeicherte NPY-Datei. Sie speichert die Weltkoordinaten aller Ziele in einem bestimmten Frame.
# 先读取连接好的npy文件
data = np.array(np.load('coordinate.npy', allow_pickle=True))
# 一共有几帧/总共连接的npy的数量
data.shape[0]
for i in range(data.shape[0]):
centers = data[i] # 第i帧所有的坐标点
point1 = centers[0] # 第i帧录入的第一个坐标