CrowdHuman 测试

CrowdHuman测试

hbox：head box

vbox：可见身体box

fbox：联想扩展身体box

坐标： x y w h

cv2.rectangle：x1 y1 x2 y2

如果 x1 y1 x2 y2超出边界，不报错，但是画不出来

height,width=img.shape[:2]

import cv2
import jsonobj_str='{"ID": "284193,faa9000f2678b5e", "gtboxes": [{"tag": "person", "hbox": [123, 129, 63, 64], "head_attr": {"ignore": 0, "occ": 1, "unsure": 0}, "fbox": [61, 123, 191, 453], "vbox": [62, 126, 154, 446], "extra": {"box_id": 0, "occ": 1}}, {"tag": "person", "hbox": [214, 97, 58, 74], "head_attr": {"ignore": 0, "occ": 1, "unsure": 0}, "fbox": [165, 95, 187, 494], "vbox": [175, 95, 140, 487], "extra": {"box_id": 1, "occ": 1}}, {"tag": "person", "hbox": [318, 109, 58, 68], "head_attr": {"ignore": 0, "occ": 1, "unsure": 0}, "fbox": [236, 104, 195, 493], "vbox": [260, 106, 170, 487], "extra": {"box_id": 2, "occ": 1}}, {"tag": "person", "hbox": [486, 119, 61, 74], "head_attr": {"ignore": 0, "occ": 0, "unsure": 0}, "fbox": [452, 110, 169, 508], "vbox": [455, 113, 141, 501], "extra": {"box_id": 3, "occ": 1}}, {"tag": "person", "hbox": [559, 105, 53, 57], "head_attr": {"ignore": 0, "occ": 0, "unsure": 0}, "fbox": [520, 95, 163, 381], "vbox": [553, 98, 70, 118], "extra": {"box_id": 4, "occ": 1}}, {"tag": "person", "hbox": [596, 40, 72, 83], "head_attr": {"ignore": 0, "occ": 0, "unsure": 0}, "fbox": [546, 39, 202, 594], "vbox": [556, 39, 171, 588], "extra": {"box_id": 5, "occ": 1}}, {"tag": "person", "hbox": [731, 139, 69, 83], "head_attr": {"ignore": 0, "occ": 0, "unsure": 0}, "fbox": [661, 132, 183, 510], "vbox": [661, 132, 183, 510], "extra": {"box_id": 6, "occ": 0}}]}'
data = json.loads(obj_str)img=cv2.imread("284193,faa9000f2678b5e.jpg")print(data["ID"])
for obj in data["gtboxes"]:# print('tag',obj['tag'])print('hbox',obj['hbox'])# draw_0 = cv2.rectangle(img, (obj['hbox'][0], obj['hbox'][1]), (obj['hbox'][0]+obj['hbox'][2], obj['hbox'][1]+obj['hbox'][3]), (255, 0, 0), 1)# print('head_attr',obj['head_attr'])print('fbox',obj['fbox'])# draw_0 = cv2.rectangle(img, (obj['fbox'][0], obj['fbox'][1]),(obj['fbox'][0] + obj['fbox'][2], obj['fbox'][1] + obj['fbox'][3]), (0, 255, 0), 1)print('vbox',obj['vbox'])draw_0 = cv2.rectangle(img, (obj['vbox'][0], obj['vbox'][1]),(obj['vbox'][0] + obj['vbox'][2], obj['vbox'][1] + obj['vbox'][3]), (0, 0,255), 1)# print('extra',obj['extra'])cv2.imshow("'sdf",img)
cv2.waitKey()

CrowdHuman 测试相关推荐

CrowdHuman数据集介绍
CrowdHuman数据集是旷世发布的用于行人检测的数据集,图片数据大多来自于google搜索. CrowdHuman 数据集数据量比较大,训练集15000张,测试集5000张,验证集4370张.训练 ...
Ranking第7名，2020 CrowdHuman大赛Baseline发布
今年5月,2020 CrowdHuman人体检测大赛启动上线,本届比赛是CrowdHuman人体检测赛的第二期.2019年北京智源人工智能研究院联合旷视科技共同推出了两个检测任务的新基准:Object ...
CrowdHuman数据集转成VOC格式并训练模型
CrowdHuman数据集转成VOC格式并训练模型 1. 介绍 The CrowdHuman dataset is large, rich-annotated and contains high di ...
基于AidLux平台的医院进出口人流量统计案例开发与测试
1.环境配置 1.1.跨平台应用系统Aidlux AIdlux系统是基于ARM架构的跨生态(Android/鸿蒙+Linux)一站式AIOT应用开发平台.实际应用到现场的时候,通常会以几种形态:GPU ...
CrowdHuman数据集
CrowdHuman数据集是旷世发布的用于行人检测的数据集,图片数据大多来自于google搜索. CrowdHuman 数据集数据量比较大,训练集15000张,测试集5000张,验证集4370张.训练 ...
基于Aidlux平台的街道人流量统计开发与测试
一.前言目前我国智慧城市的场景划分覆盖面很广,比如智慧园区.智慧工地.智慧交通.智慧机场等等.不同的智慧场景,其覆盖范围都不一样,但通常而言,智慧城市行业主要是对空间内的人.车.物进行识别分析. 本 ...
locust入门：单机使用locust运行压力测试
locust的官方文档在这里: http://docs.locust.io/en/stable/ 前置:locust的测试脚本使用为python(若未安装python环境,可以搜索安装python) ...
HA: InfinityStones靶机渗透测试
文章目录靶机信息一.信息收集 1.主机发现 2.端口扫描 3.目录扫描二.漏洞挖掘 1.访问 192.168.1.108 2.访问 /img 目录 3.访问 https 服务(443)端口 4. ...
HA: Forensics靶机渗透测试
文章目录靶机说明: 一.信息收集 1.主机发现 2.端口扫描二.漏洞挖掘 1.访问靶机 web 服务 2.使用 dirb 进行目录扫描 3.使用 exiftool 提取数据 4.使用 dirb 扫 ...

CrowdHuman 测试

CrowdHuman 测试相关推荐

最新文章

热门文章