因为都不想找资源，懒人你也需要付出点代价塞，1分也不多

使用深度学习和OpenCV进行社交距离 目的 由于COVID-19，今天的不幸情况使人与人之间的距离至关重要。 目标是检测使用深度学习的人员，并找出人员之间的距离，以检查人员是否维持6英尺或1.8 m的标准社交距离。 工具和库 Python OpenCV YoloV3 描述 第1步：在相框/图片中找到人数。 步骤2：为使用YOLO确定的人员创建边界框。 步骤3：为对象设置宽度阈值，在其中测量距离，即人的宽度。 我将宽度设置为27英寸或0.70米。 如果需要，请尝试其他值。 步骤4：将像素映射到公制（米或英寸）。 步骤5：以米为单位，找到一个人到另一个人的中心点之间的距离。 结果

交互界面达到的效果是，通过点击画面上的按钮来控制是否要显示相应物体的检测结果，即是否把物体框出。 这里放置了两个版本，物体检测代码是相同的，不同的是交互性的设计，2.0调用的是现成的button函数，使用起来更方便些。

GPU并行计算，C++实现，使用了CUDA和opencv完成了图片的灰度值化，程序完整无错，复制就能运行。

此压缩包为windows下需要手动编译opencv+opencv_contrib模块的依赖文件。大部分情况下无法在cmake时下载成功，故上传整个.cache文件夹压缩包。 其中包含：opencv_videoio_ffmpeg.dll、opencv_videoio_ffmpeg_64.dll、ffmpeg_version.cmake、ippicv_2019_win_ia32_20180723_general、ippicv_2019_win_intel64_20180723_general、vgg_generated、boostdesc等相关文件。下载后替换即可。 资源本就免费，我只是个搬运工。

应用opencv做动态目标跟踪检测，主要包含运动估计、运动补偿、动态检测

运行平台： Windows Python版本： Python3.x IDE： Spyder 今天我们想实现的功能是对单个目标图片的提取如图所示： 图片读取 ###############头文件 import matplotlib.pyplot as plt import os import cv2 import numpy as np from PIL import Image #from skimage import io import random from PIL import Image 首先要完成图片的读取，通过cv2.imshow显示“ img = cv2.imread(

Python调用PixelLib实现图像分割（证件照抠图换背景） https://xercis.blog.csdn.net/article/details/108001828

需要先安装opencv，配置环境变量之后，直接用vs2010就可以打开运行

haarcascade_eye.xml haarcascade_eye_tree_eyeglasses.xml haarcascade_frontalcatface.xml haarcascade_frontalcatface_extended.xml haarcascade_frontalface_alt.xml haarcascade_frontalface_alt_tree.xml haarcascade_frontalface_alt2.xml haarcascade_frontalface_default.xml haarcascade_fullbody haarcascade_lefteye_2splits haarcascade_licence_plate_rus_16stages haarcascade_lowerbody haarcascade_profileface haarcascade_righteye_2splits haarcascade_russian_plate_number haarcascade_smile haarcascade_upperbody