第1步：获取大量汽车图片

第2步：把它们都变成黑白图片

灰度图像使算法更快。颜色增加了模型的复杂性，或者我们可以说灰色图像是用来简化数学的。例如，我们可以谈论亮度、对比度、边缘、形状、轮廓、纹理、透视、阴影等，而不必讨论颜色。

第3步：训练算法以检测汽车

现在问题来了：计算机如何训练算法？

我们只是找到匹配项。

我们可以匹配上述功能，以实际检测到汽车的后保险杠，如下所示。

检测行人的想法是一样的

一切都是为了匹配特征或形状。如果某个物体与上述特征相匹配，模型会将其检测为行人。

让我们开始编写检测器

步骤1：我们首先需要安装OpenCV库。

pip install opencv-python

如果这不起作用，请尝试：

pip install opencv-python-headless

如果你仍然无法安装。尝试使用搜索，如何在计算机上安装opencv？

步骤2：下载机器学习文件（Haar Cascade xml文件）：

我们已经提供了经过预训练的汽车和人体（行人）分类器，我们只需要下载它即可。

汽车预训练分类器：
https://raw.githubusercontent.com/andrewssobral/vehicle_detection_haarcascades/master/cars.xml

人体预训练分类器：
https://raw.githubusercontent.com/opencv/opencv/master/data/haarcascades/haarcascade_fullbody.xml

步骤3：我们只需要编写20行代码。你可以通过阅读代码来理解它。

GitHub的代码：
https://github.com/nidhipunj7/AI-Car-and-Pedestrian-Tracking

结果

• https://youtu.be/XXmPGpy9PxE