Nanopc T4 使用OpenCV

识别长方形: 

import cv2
import cv2 as cv
import time
import platform
import os# 获取操作系统类型
os_type = platform.system()
if os_type == "Windows":# Windows系统cap = cv.VideoCapture(0)  # 使用第零个摄像头
elif os_type == "Linux":# Linux系统cap = cv.VideoCapture(10)  # 使用第十个摄像头if not cap.isOpened():print("Cannot capture from camera. Exiting.")os._exit(1)  # 退出程序
last_time = time.time()while (True):ret, frame = cap.read()imgContour = frame.copy()imgCanny = cv2.Canny(frame, 60, 60)  # Canny算子边缘检测contours, hierarchy = cv2.findContours(imgCanny, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)  # 寻找轮廓点for obj in contours:area = cv2.contourArea(obj)  # 计算轮廓内区域的面积# cv2.drawContours(imgContour, obj, -1, (255, 0, 0), 4)  # 绘制轮廓线perimeter = cv2.arcLength(obj, True)  # 计算轮廓周长approx = cv2.approxPolyDP(obj, 0.02 * perimeter, True)  # 获取轮廓角点坐标CornerNum = len(approx)  # 轮廓角点的数量x, y, w, h = cv2.boundingRect(approx)  # 获取坐标值和宽度、高度if CornerNum == 4:if 90 < w != h > 50:objType = "ChangFangXing"cv2.rectangle(imgContour, (x, y), (x + w, y + h), (0, 0, 255), 2)  # 绘制边界框cv2.putText(imgContour, objType, (x + (w // 2), y + (h // 2)), cv2.FONT_HERSHEY_COMPLEX, 0.6, (0, 0, 0),1)  # 绘制文字cv2.imshow("shape Detection", imgContour)if cv.waitKey(1) & 0xFF == ord('q'):breakcap.release()
cv.destroyAllWindows()

识别人脸1:

import cv2
import cv2 as cv
import time
import platform
import os# 获取操作系统类型
os_type = platform.system()
if os_type == "Windows":# Windows系统cap = cv.VideoCapture(0)  # 使用第零个摄像头
elif os_type == "Linux":# Linux系统cap = cv.VideoCapture(10)  # 使用第十个摄像头if not cap.isOpened():print("Cannot capture from camera. Exiting.")os._exit(1)  # 退出程序
last_time = time.time()img = cv.imread("D:\WorkSpace\Python\qsc.png")def template_matching(img_match, img, arithmetic_model):'''【作用】进行图片模板匹配【参数1】模板图片【参数2】进行匹配的图片【参数3】算法模型【返回】无'''# 进行模板匹配result = cv.matchTemplate(img, img_match, arithmetic_model)# 获取最小最大匹配值,还有对应的坐标min_value, max_value, min_coordinate, max_coordinate = cv.minMaxLoc(result)# 默认最佳最大值,当算法为CV_TM_SQDIFF或CV_TM_SQDIFF_NORMED时改为最小值best_coordinate = max_coordinateif arithmetic_model == cv.TM_SQDIFF or arithmetic_model == cv.TM_SQDIFF_NORMED:best_coordinate = min_coordinate# 获取匹配图片的高和宽m_height, m_width = img_match.shape[:2]# 矩形的起始点和结束点r_start = best_coordinater_end = (best_coordinate[0] + m_width, best_coordinate[1] + m_height);# 矩形的颜色和线的宽度r_color = (0, 100, 40)r_line_width = 2# 绘制矩形并展示cv.rectangle(img, r_start, r_end, r_color, r_line_width)cv.imshow("Qu ShiChao", img)while (True):ret, frame = cap.read()template_matching(img, frame, cv.TM_SQDIFF)if cv.waitKey(1) & 0xFF == ord('q'):breakcap.release()
cv.destroyAllWindows()

通模型识别人脸

import cv2
import cv2 as cv
import time
import platform
import os# 获取操作系统类型
os_type = platform.system()
if os_type == "Windows":# Windows系统cap = cv.VideoCapture(0)  # 使用第零个摄像头
elif os_type == "Linux":# Linux系统cap = cv.VideoCapture(10)  # 使用第十个摄像头if not cap.isOpened():print("Cannot capture from camera. Exiting.")os._exit(1)  # 退出程序
last_time = time.time()while (True):ret, frame = cap.read()# 这里是你的xml存放路径face_cascade = cv2.CascadeClassifier("D:\WorkSpace\Python\lbpcascade_frontalface.xml")# 开始人脸检测faces = face_cascade.detectMultiScale(frame, scaleFactor=1.03, minNeighbors=6)# 先复制一张图片frame1 = frame.copy()# 在检测到的人脸中操作for x, y, w, h in faces:# 画出人脸框frame1 = cv2.rectangle(frame1, (x, y), (x + w, y + h), (0, 255, 0), 2)# 找出人脸区域face_area = frame1[y:y + h, x:x + w]# 在人脸区域检测人眼cv2.imshow('face', frame1)if cv.waitKey(1) & 0xFF == ord('q'):breakcap.release()
cv.destroyAllWindows()

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.mzph.cn/bicheng/11449.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux 第二十九章

&#x1f436;博主主页&#xff1a;ᰔᩚ. 一怀明月ꦿ ❤️‍&#x1f525;专栏系列&#xff1a;线性代数&#xff0c;C初学者入门训练&#xff0c;题解C&#xff0c;C的使用文章&#xff0c;「初学」C&#xff0c;linux &#x1f525;座右铭&#xff1a;“不要等到什么都没有了…

el-tree

Vue.js 组件结构&#xff1a; 是一个 Vue.js 组件&#xff0c;它由一些 Vue 文件组成&#xff0c;包括模板&#xff08;template&#xff09;、脚本&#xff08;script&#xff09;和样式&#xff08;style&#xff09;。 模板部分定义了组件的结构和布局&#xff0c;包括树节点…

分布式光伏管理系统的意义与核心技术

分布式光伏管理系统遵循安全可靠、经济合理原则&#xff0c;满足电力系统自动化总体规划要求&#xff0c;且充分考虑光伏发电的因素&#xff0c;对分布式光伏发电、用电进行集中监控、统一调度、统一运维。为用户提供运维服务&#xff0c;实现能源互联&#xff0c;信息互通&…

软件安全测试可以检测软件哪些安全问题?

软件安全测试是一种旨在发现和评估软件应用程序中的安全漏洞和隐患的测试方法。通过安全测试&#xff0c;可以发现并修复潜在的安全问题&#xff0c;从而提高软件应用程序的可靠性和安全性。下面将介绍软件安全测试可以检测到的几种主要安全问题。 身份验证漏洞&#xff1a;身份…

如何将 DFMini player MP3 模块与 Arduino 结合使用

要创建此项目&#xff0c;您将使用&#xff1a; DFPlayer迷你MP3模块 10kΩ电阻 开关按钮 面包板 Arduino UNO 杜邦线 现在&#xff0c;我们将学习如何构建该项目。 什么是DF Mini Player MP3模块 DFMini Player 模块是一个小型音乐播放器。它成本低、功耗低&#xff0c;可…

五月采购节 | 全场板卡八七折起

淘宝搜索【北京迅为电子官方企业】 5月13日~5月15日 海量优惠券等你拿&#xff01; 复制下方链接到淘宝 直接进入店铺&#xff01; https://shop459378556.taobao.com

空号检测-号码批量检测API接口-关机停机风险号检测

手机空号检测分为普通空号检测和实时检测两种类型&#xff1a; 普通空号检测返回结果&#xff1a;实号、风险号、空号、沉默号 。 1.普通版的检测不会实时更新数据&#xff0c;因此其数据库中的信息可能不是最新的。 2.覆盖基础运营商的数据库&#xff0c;检测范围相对有限&…

每个工作室都需要的10种插件类型

插件通常是将平淡的表现转变为引人注目的声音艺术品的最灵活和经济高效的方式。对于大多数没有足够空间或资金积累昂贵外置设备的人来说&#xff0c;在电脑中工作是我们的录音能够达到广播标准的理想途径。在德声&#xff0c;我们认为每个工作室都可以从插件中受益&#xff0c;…

Spring Boot整合ElasticSearch实战 - 第511篇

历史文章&#xff08;文章累计500&#xff09; 《国内最全的Spring Boot系列之一》 《国内最全的Spring Boot系列之二》 《国内最全的Spring Boot系列之三》 《国内最全的Spring Boot系列之四》 《国内最全的Spring Boot系列之五》 《国内最全的Spring Boot系列之六》 《…

呼叫中心系统选pscc好还是okcc好

选择PSCC&#xff08;商业软件呼叫中心&#xff09;还是OKCC&#xff08;开源呼叫中心&#xff09;&#xff0c;应基于以下几个关键因素来决定&#xff1a; 技术能力&#xff1a;如果企业拥有或愿意投入资源培养内部技术团队&#xff0c;开源解决方案可能更合适&#xff0c;因为…

Spring+Mybatis-plus 实现 Gauss DB数据库代码生成

需求&#xff1a; 使用的gauss db数据库&#xff08;类似oracle语法&#xff09;&#xff0c;需要根据指定表生成entity、dao等代码 1&#xff0c;引入依赖 <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.or…

http代理ip按流量划算还是个数划算?

随着科技的进步和互联网的发展&#xff0c;越来越多的企业在业务上都需要用到代理&#xff0c;那么http代理ip按流量划算还是个数划算&#xff1f;小编接下来就跟大家介绍一下&#xff1a; 首先我们得先了解http代理ip的按流量模式和个数模式分别是什么&#xff1a; 一、按流…

软件设计中的数字:7

“ 使软件更易理解的秘密&#xff1a;米勒法则” 小游戏 学习之前先一起玩一个小游戏。 3秒钟时间&#xff0c;看看下面的图片中有多少个小块&#xff1f; 3秒到了&#xff0c;数出来了吗&#xff1f;22个。 没数出来也没关系&#xff0c;我也没数出来o(╥﹏╥)o 现在&…

WEB前端复习——JS

JS是运行在客户端的脚本&#xff08;script&#xff09;语言 引入JS进html ①sript标签内编写 <script type"text/javascript">document.write("<h1>hi</h1>")window.alert("who") </script> ②外部JS script src【…

生产环境节点扩容方案

datanode节点扩缩容(1人天) 注意:新增节点需要走商务,节点扩容需要申请新的license 制品包下载 #内网下载(环境检查脚本) wget --user=admin --password=Y!bC2hx0TN@21cal http://10.69.71.180:8082/artifactory/product/qiudongyang/precheck/os-check20221127.tar…

牛客热题:比较版本号

&#x1f4df;作者主页&#xff1a;慢热的陕西人 &#x1f334;专栏链接&#xff1a;力扣刷题日记 &#x1f4e3;欢迎各位大佬&#x1f44d;点赞&#x1f525;关注&#x1f693;收藏&#xff0c;&#x1f349;留言 文章目录 牛客热题&#xff1a;比较版本号题目链接方法一:暴力…

Elasticsearch做到像mysql这样的表连接Parent-Child实现

比如在mysql中我有两张表&#xff0c;movies和ratings&#xff0c;这两张表依赖movie_id实现关联。 那么我需要在elasticsearch中实现一下两个任务 电影标题为When Will I Be Loved的电影评分的均值是多少电影评分大于5的电影标题是什么 可以看出来这两个问题都需要将movies和…

服务调用中的异常处理方案

背景 在微服务架构中,A服务调用B服务,当B服务中抛出异常时,我们的意愿是能够获取到所有的异常信息,并且可以触发服务的熔断降级。 但由于全局异常处理机制的存在,会帮我们处理B服务中抛出的异常,并把HTTP的状态码设置为200,那么此时对A服务来说,对B服务抛出的异常是无…

在线抠图网站

https://pixian.ai/ 这个网站提供一键去除图像背景的智能抠图服务。 水印去除剂 - 删除照片中的任何水印 该网站是一个智能抠图工具&#xff0c;可以帮助用户去除照片中的水印。 HAMA | AI Object remover, Image Eraser 这是一个智能抠图AI工具的网站&#xff0c;可以帮助…

电商平台接口自动化框架实践||电商API数据采集接口

电商数据采集接口 语言&#xff1a;python 接口自动化实现流程 红色为可实现/尚未完成 绿色为需要人工干预部分 自动生成测试用例模板&#xff08;俩种方式二选一&#xff09;&#xff1a; mimproxy&#xff0c;通过浏览器代理抓包方式&#xff0c;访问 H5 或者 web 页面&a…