### 寻找免费的Python实现的人形识别模型 对于寻找免费的Python实现的人形识别模型，有多种开源库和框架可供选择。其中一些流行的选项包括： #### 使用 OpenCV 和预训练模型 OpenCV 提供了一个简单的方法来加载预训练好的神经网络模型来进行人形检测。这可以通过下载已经训练好的模型文件并将其应用于图像或视频流中的对象检测。 ```python import cv2 # 加载预训练的SSD MobileNet模型用于人体检测 net = cv2.dnn.readNetFromCaffe('deploy.prototxt', 'res10_300x300_ssd_iter_140000.caffemodel') cap = cv2.VideoCapture(0) while True: ret, frame = cap.read() (h, w) = frame.shape[:2] blob = cv2.dnn.blobFromImage(cv2.resize(frame, (300, 300)), 1.0, (300, 300), (104.0, 177.0, 123.0)) net.setInput(blob) detections = net.forward() for i in range(detections.shape[2]): confidence = detections[0, 0, i, 2] if confidence > 0.5: # 设置置信度阈值 box = detections[0, 0, i, 3:7] * np.array([w, h, w, h]) (startX, startY, endX, endY) = box.astype("int") text = "{:.2f}%".format(confidence * 100) y = startY - 10 if startY - 10 > 10 else startY + 10 cv2.rectangle(frame, (startX, startY), (endX, endY), (0, 0, 255), 2) cv2.putText(frame, text, (startX, y), cv2.FONT_HERSHEY_SIMPLEX, 0.45, (0, 0, 255), 2) cv2.imshow("Frame", frame) key = cv2.waitKey(1) & 0xFF if key == ord("q"): break cv2.destroyAllWindows() cap.release() ``` 这段代码展示了如何利用 `cv2` 库读取摄像头输入，并通过调用 SSD MobileNet 来识别人体位置[^1]。 #### 利用 TensorFlow 或 PyTorch 的预训练模型 TensorFlow Hub 和 torchvision 都提供了可以直接使用的预训练模型，比如 COCO 数据集上训练过的 Faster R-CNN、Mask R-CNN 等等。这些模型能够很好地处理多类别目标检测任务，也适用于人形检测。 ```python from PIL import Image import requests import torch from torchvision.models.detection import fasterrcnn_resnet50_fpn from torchvision.transforms.functional import to_tensor model = fasterrcnn_resnet50_fpn(pretrained=True).eval() url = "https://ultralytics.com/images/zidane.jpg" img = Image.open(requests.get(url, stream=True).raw) input_image = to_tensor(img).unsqueeze(0) with torch.no_grad(): predictions = model(input_image)[0] for label, score, bbox in zip(predictions['labels'], predictions['scores'], predictions['boxes']): if int(label.item()) == 1 and float(score.item()) >= 0.9: xmin, ymin, xmax, ymax = map(int, bbox.tolist()) draw_rectangle_on_image(img, ((xmin, ymin), (xmax, ymax))) def draw_rectangle_on_image(image, corners): """Draw a rectangle on an image.""" from PIL import ImageDraw drawer = ImageDraw.Draw(image) drawer.rectangle(corners, outline="red", width=3) img.show() ``` 此段脚本说明了怎样借助于 PyTorch 中的 torchvision 工具包获取一个预先训练完成的目标检测器实例，并应用其对图片内的人物进行定位[^2].