如何改进我的 OpenCV 识别代码以找到上半身并在将 CCTV 流作为输入的同时减少资源？

如何解决如何改进我的 OpenCV 识别代码以找到上半身并在将 CCTV 流作为输入的同时减少资源？

如何使我的opencv识别更准确，我只是使用haarcascade在我的cctv的灰色框架中找到上半身，但是它占用了大量资源并且没有给出足够好的结果。我应该使用大纲或其他东西来减少资源吗？我也有一个 GPU，但我不知道如何链接它以便我的计算使用我的 GPU。

import cv2


body_casc = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_upperbody.xml')
vcap= cv2.VideoCapture("rtsp://192.168.29.99")

while True:
    try:
        
        ret,frame=vcap.read()
        gray = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        body = body_casc.detectMultiScale(gray,1.1,4)

        for (x,y,w,h) in body:
            cv2.rectangle(frame,(x,y),(x+w,y+h),(255,0),5)

        cv2.imshow("VIDEO",frame)
    except Exception as e:
        print("ERROR : "+str(e))

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

    

cv2.destroyAllWindows()

我的相机正在通过 IPC 连接到我的闭路电视，一段时间后它只是停止发出帧，并返回此错误。

error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'

解决方法

让我们从头开始。

error: (-215:Assertion failed) !_src.empty() 在函数中 'cv::cvtColor'

出现错误是因为没有可转换的帧。这可能是由相机断开连接或不合适的帧引起的。我建议您在处理前检查任何帧：

    ret,frame=vcap.read()

    # if frame is read correctly ret is True
    if not ret:
           print("Can't receive frame (stream end?). Exiting ...")
           break

另一方面，您正在询问如何使检测更准确。首先，haarcascade 不是您可以使用的完美工具，但它确实更快。根据您的硬件规格，您可以选择其他类型的AI算法，例如YOLO、R-CNN等。或者如果您坚持使用haarcascades，则应根据您的情况定义参数。您可以检查 detectMultiscale 包含的参数。