LNTON人形检测、行人检测工具,支持图片、RTSP实时流、mp4文件中的行人或者人形检测,实用工具,亲测可用!

本文主要是介绍LNTON人形检测、行人检测工具,支持图片、RTSP实时流、mp4文件中的行人或者人形检测,实用工具,亲测可用!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

LNTON_PID 是一个行人检测工具,能够对图像、视频、文件夹中的多个文件或RTSP实时流进行行人检测,并支
持自定义输出结果和行人区域位置的保存。该工具提供了灵活的参数配置选项以适应各种应用场景。

人形检测算法

快速开始 - 命令行参数格式(Linux/Unix环境)

./pid_tools_gensamples INPUT_PATH OUT_RESULT_DIR[DEFAULT:results]
OUT_PATCH_DIR[DEFAULT:patchs] SHOW[T|F]

  • INPUT_PATH: 指定输入资源路径,可以是单个图像文件、视频文件、包含多个图像或视频的目录路径,
    或者是RTSP流地址。
  • OUT_RESULT_DIR: 设定输出行人检测结果的目录,默认为results。程序会将带有行人框标记的结果图
    像或视频片段保存到此目录下。
  • OUT_PATCH_DIR: 设定用于保存检测到的行人区域图片的目录,默认为patchs。每个检测到的行人都会
    被裁剪并单独存储在这个目录中。
  • SHOW[T|F]: 控制是否在屏幕上实时显示处理过程及结果。T表示开启显示,F表示关闭显示,默认开启。
    若要关闭显示,请指定 F。

示例用法 以下是在Linux/Unix环境下直接运行命令行工具的例子:

./pid_tools_gensamples /path/to/input_image.jpg /path/to/output_results
./pid_tools_gensamples /path/to/input_video.mp4 /path/to/output_results
/path/to/output_patches T
./pid_tools_gensamples /path/to/input_folder /path/to/output_results
/path/to/output_patches F
./pid_tools_gensamples rtsp://your/stream/address /path/to/output_results
/path/to/output_patches

人物检测算法

快速开始 - 命令行参数格式(Windows环境)

在Windows环境下,由于命令行语法和Linux环境有所不同,但基本的参数传递方式是类似的。假设
pid_tools_gensamples.exe在Windows系统下也能正常运行,并且参数格式保持一致,那么在命令提示符窗
口中使用LNTON_PID工具的方式如下:

REM Windows命令行示例:
pid_tools_gensamples.exe INPUT_PATH OUT_RESULT_DIR[DEFAULT:results]
OUT_PATCH_DIR[DEFAULT:patchs] SHOW[T|F]

REM 示例用法:
.\pid_tools_gensamples.exe “C:\path\to\input_image.jpg”
“C:\path\to\output_results”
.\pid_tools_gensamples.exe “C:\path\to\input_video.mp4”
“C:\path\to\output_results” “C:\path\to\output_patches” T
.\pid_tools_gensamples.exe “C:\path\to\input_folder” “C:\path\to\output_results”
“C:\path\to\output_patches” F
.\pid_tools_gensamples.exe rtsp://your/stream/address “C:\path\to\output_results”
“C:\path\to\output_patches”

请注意以下几点:

  • 在Windows环境中,路径通常使用反斜杠\而非正斜杠/。
  • 路径中的空格需要使用双引号"包围,以避免被解析器误认为多个参数。

关于SHOW参数,上述例子中未体现其在Windows环境下的具体实现。如果在Windows环境下该参数也生效,则
与Linux环境下的用法相同,通过T或F来开启或关闭实时显示处理过程及结果。
请确保根据实际情况调整pid_tools_gensamples.exe对Windows环境的支持以及参数处理方式。

Windows批处理脚本使用说明

在Windows环境下,您可以按照以下步骤操作以批量处理一系列输入源:

  1. 创建一个名为batch_process.bat的文本文件,并将下面的批处理脚本代码复制粘贴到该文件中。

@echo off
setlocal enabledelayedexpansion
REM 定义LNTON_PID可执行文件路径和默认输出目录
set LNTON_PID_EXE=.\pid_tools_gensamples.exe
set DEFAULT_RESULT_DIR=results
set DEFAULT_PATCH_DIR=patchs
REM 读取输入文件列表(假设input_paths.txt包含了待处理的文件或路径)
if exist “input_paths.txt” (
for /F “usebackq tokens=*” %%i in (“input_paths.txt”) do (
REM 执行LNTON_PID命令
echo 正在处理:%%i
call !LNTON_PID_EXE! %%i %DEFAULT_RESULT_DIR% %DEFAULT_PATCH_DIR%
)
) else (
echo 输入路径列表文件 input_paths.txt 不存在,请确保文件存在并包含有效的输入路径。
)
echo 所有任务已完成。
pause

  1. 根据上述代码中的注释,确认LNTON_PID_EXE变量指向正确的pid_tools_gensamples.exe程序路径。
  2. 创建一个名为input_paths.txt的文本文件,并在其中每一行添加一个待处理的输入路径。例如:

C:\path\to\input_image.jpg
C:\path\to\input_video.mp4
C:\path\to\input_folder
rtsp://your/stream/address

  1. 确保pid_tools_gensamples.exe程序能够访问和解析所有输入路径对应的资源,并且当前用户拥有创
    建和写入结果目录所需的权限。

  2. 保存并关闭batch_process.bat文件。

  3. 右键单击batch_process.bat文件,选择“以管理员身份运行”(如果需要创建或写入受保护的目录
    时)。双击也可以运行,但在某些情况下可能无法获得足够的权限来创建或修改文件。

  4. 批处理脚本将自动逐行读取input_paths.txt中的输入路径,并调用pid_tools_gensamples.exe进行
    处理。

  5. 如果您希望控制SHOW参数以开启或关闭实时显示处理过程及结果,在调用pid_tools_gensamples.exe
    时应添加相应的参数。根据实际情况调整批处理脚本内容以传递给pid_tools_gensamples.exe。
    现在,完成以上步骤后,只需双击batch_process.bat文件,即可开始批量处理任务

行人检测算法

资源下载地址:https://download.csdn.net/download/xiejiashu/88757484

这篇关于LNTON人形检测、行人检测工具,支持图片、RTSP实时流、mp4文件中的行人或者人形检测,实用工具,亲测可用!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/619525

相关文章

JAVA读取MongoDB中的二进制图片并显示在页面上

1:Jsp页面: <td><img src="${ctx}/mongoImg/show"></td> 2:xml配置: <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"xmlns:xsi="http://www.w3.org/2001

公共筛选组件(二次封装antd)支持代码提示

如果项目是基于antd组件库为基础搭建,可使用此公共筛选组件 使用到的库 npm i antdnpm i lodash-esnpm i @types/lodash-es -D /components/CommonSearch index.tsx import React from 'react';import { Button, Card, Form } from 'antd'

(超详细)YOLOV7改进-Soft-NMS(支持多种IoU变种选择)

1.在until/general.py文件最后加上下面代码 2.在general.py里面找到这代码,修改这两个地方 3.之后直接运行即可

Eureka高可用注册中心registered-replicas没有分布式注册中心

自己在学习过程中发现,如果Eureka挂掉了,其他的Client就跑不起来了,那既然是商业项目,还是要处理好这个问题,所以决定用《Spring Cloud微服务实战》(PDF版在全栈技术交流群中自行获取)中说的“高可用注册中心”。 一开始我yml的配置是这样的 server:port: 8761eureka:instance:hostname: 127.0.0.1client:fetch-r

在服务器上浏览图片

@StarSky 2018-10-26 15:09 字数 15971 阅读 28 https://www.zybuluo.com/StarSky/note/1294871 来源 2018-09-27 线上服务器安装 imgcat Tool   2018-09-27 线上服务器安装 imgcat 0. 准备文件:iterm2_shell_integration.bash1. 在有权限

基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别

转发来源:https://swift.ctolib.com/ooooverflow-chinese-ocr.html chinese-ocr 基于CTPN(tensorflow)+CRNN(pytorch)+CTC的不定长文本检测和识别 环境部署 sh setup.sh 使用环境: python 3.6 + tensorflow 1.10 +pytorch 0.4.1 注:CPU环境

el-upload 上传图片及回显照片和预览图片,文件流和http线上链接格式操作

<div v-for="(info, index) in zsjzqwhxqList.helicopterTourInfoList" :key="info.id" >编辑上传图片// oss返回线上地址http链接格式:<el-form-itemlabel="巡视结果照片":label-width="formLabelWidth"><el-upload:action="'http:

基于深度学习的轮廓检测

基于深度学习的轮廓检测 轮廓检测是计算机视觉中的一项关键任务,旨在识别图像中物体的边界或轮廓。传统的轮廓检测方法如Canny边缘检测和Sobel算子依赖于梯度计算和阈值分割。而基于深度学习的方法通过训练神经网络来自动学习图像中的轮廓特征,能够在复杂背景和噪声条件下实现更精确和鲁棒的检测效果。 深度学习在轮廓检测中的优势 自动特征提取:深度学习模型能够自动从数据中学习多层次的特征表示,而不需要

自动驾驶---Perception之Lidar点云3D检测

1 背景         Lidar点云技术的出现是基于摄影测量技术的发展、计算机及高新技术的推动以及全球定位系统和惯性导航系统的发展,使得通过激光束获取高精度的三维数据成为可能。随着技术的不断进步和应用领域的拓展,Lidar点云技术将在测绘、遥感、环境监测、机器人等领域发挥越来越重要的作用。         目前全球范围内纯视觉方案的车企主要包括特斯拉和集越,在达到同等性能的前提下,纯视觉方

基于ZYNQ7000的交叉编译工具链Qt+OpenCV+ffmpeg等库支持总结

最近刚刚接触XILINX的ZYNQ板,刚接触没有十天。XILINX定位它为SOC,我也很认同,起码比TI定位MPU为SOC强很多。据说今年TI的最新产品也加入了ZYNQ板。 之前的MIPS处理器设计与实现的项目就算做告一段落,搞了将近7个月,成果显著,收获颇多,最近打算搞搞ZYNQ。 之前MIPS也有一套交叉编译工具,不过是老师提供的,自己也尝试搞了搞,太辛苦了,而且也没什么成果,因为我