Thuật toán ở phần này hoàn toàn tương tự như các thao tác ở phần phát hiện hiện người đi bộ trong hình ảnh trước đó, chỉ khác là thao tác trên video.

Đầu tiên chúng ta cần tìm tệp video có người đi bộ trong đó, lưu video vào cùng thư mục với đoạn code minh họa dưới đây:

1. import cv2
2. import numpy as np
3. from imutils.object_detection import non_max_suppression # Để loại bỏ chồng lấn
4.  
5. # Đưa video vào cùng thư mục với file python của đoạn code này
6. filename = 'pedestrians_on_street_1.mp4'
7. file_size = (1920, 1080) # Giả sử kích thước video là 1920x1080
8. scale_ratio = 1 # Tỉ lệ phóng đại kích thước video khi cần thiết
9.  
10. # Lưu video đầu ra
11. output_filename = 'pedestrians_on_street.mp4'
12. output_frames_per_second = 20.0
13.  
14. def main():
15.  
16.     # Khởi tạo đối tượng HOGDescriptor
17.     hog = cv2.HOGDescriptor()
18.      
19.     # Khởi chạy hàm phát hiện người đi bộ
20.     hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
21.      
22.     # Tải lên video
23.     cap = cv2.VideoCapture(filename)
24.  
25.     # Tạo đối tượng VideoWriter để lưu video đầu ra
26.     fourcc = cv2.VideoWriter_fourcc(*'mp4v')
27.     result = cv2.VideoWriter(output_filename, 
28.                                         fourcc,
29.                                         output_frames_per_second,
30.                                         file_size)
31.      
32.     # Quá trình xử lý video
33.     while cap.isOpened():
34.          
35.          # Lấy từng khung hình
36.          success, frame = cap.read()
37.          
38.          # Sau khi lấy được khung hình thì tiếp tục các bước tiếp theo
39.          if success:
40.          
41.              # Thay đổi kích thước khung hình
42.              width = int(frame.shape[1] * scale_ratio)
43.              height = int(frame.shape[0] * scale_ratio)
44.              frame = cv2.resize(frame, (width, height))
45.              
46.              # Lưu khung hình ban đầu
47.              orig_frame = frame.copy()
48.              
49.              # Phát hiện người đi bộ
50.              # image: mỗi khung hình đơn lẻ trong video
51.              # winStride: kích thước bước của cửa số trượt theo hướng trục x và y
52.              # padding: số lượng pixel theo hướng trục x và y  
53.              # scale: Hệ số tăng kích thước cửa sổ phát hiện  
54.              # bounding_boxes: Vị trí người đi bộ phát hiện được
55.              # weights: Trọng số của người đi bộ phát hiện được
56.              (bounding_boxes, weights) = hog.detectMultiScale(frame,
57.                                                                                        winStride=(16, 16),
58.                                                                                        padding=(4, 4),
59.                                                                                        scale=1.05)
60.  
61.              # Vẽ hình chữ nhật bao quanh người đi bộ trên khung hình
62.              for (x, y, w, h) in bounding_boxes:
63.                   cv2.rectangle(orig_frame,
64.                                       (x, y), 
65.                                       (x + w, y + h), 
66.                                       (0, 0, 255),
67.                                       2)
68.                          
69.              # Loại bỏ những hình chữ nhật chồng lấn nhau
70.              # Thay đổi chỉ số overlapThresh để được kết quả tốt nhất
71.              bounding_boxes = np.array([[x, y, x + w, y + h] for (
72.                                                       x, y, w, h) in bounding_boxes])
73.              
74.              selection = non_max_suppression(bounding_boxes,
75.                                                                probs=None,
76.                                                                overlapThresh=0.45)
77.          
78.              # vẽ hình chữ nhật là kết quả cuối cùng
79.              for (x1, y1, x2, y2) in selection:
80.                    cv2.rectangle(frame,
81.                                        (x1, y1),
82.                                        (x2, y2),
83.                                        (0, 255, 0),
84.                                        4)
85.          
86.              # Lưu khung hình vào video đầu ra
87.              result.write(frame)
88.              
89.              # Hiển thị khung hình
90.              cv2.imshow("Frame", frame)   
91.  
92.              # Hiển thị khung hình trong x mili giây và quit nếu nhấn “q”
93.              if cv2.waitKey(25) & 0xFF == ord('q'):
94.                    break
95.          
96.              # Thoát ra nếu không còn khung hình nào nữa
97.          else:
98.              break
99.              
100.     # Dừng lại sau khi video kết thúc
101.     cap.release()
102.      
103.     # Giải phóng quá trình ghi video
104.     result.release()
105.      
106.     # Đóng tất cả các cửa sổ
107.     cv2.destroyAllWindows()
108.  
109. main()

Kết quả:

Ở phần tiếp theo chúng ta sẽ cùng tìm hiểu cách phát hiện khuôn mặt và đôi mắt trong hình ảnh.

(Sưu tầm)
VIỆN IMC
Tòa nhà IMC Tower, Số 176 Trường Chinh, Phường Khương
Thượng, Quận Đống Đa, Thành phố Hà Nội, Việt Nam
Tel/Fax : (+84) 24 3566 6232 / 24 3566 6234
Email: contact@imc.org.vn   Website: https://imc.org.vn