当两个物体重合时，如图：一个大的矩形背景和一个小的不规则物体（如：人）。怎样同时识别到这两个物体，用两个框分别恰好框住它们，并且输出它们w和h的像素数？

但是老师我里面那个小的不一定是黑色的圆，是一个不规则的物体，比如：人

请问openmv的人检测神经网络模型有吗？在哪里啊？

TensorFlow Lite 人检测例程

Google的“人检测模型”会检测到是否有人。

在此示例中，我们将探测器窗口滑到图像上方，并获取激活列表。

请注意，使用带有滑动窗口的CNN计算极为复杂，因此对于详尽搜索，不要期望CNN是实时的。

import sensor, image, time, os, tf

sensor.reset() # 复位并初始化传感器。

sensor.set_pixformat(sensor.GRAYSCALE) # Set pixel format to RGB565 (or GRAYSCALE)
#设置图像色彩格式，有RGB565色彩图和GRAYSCALE灰度图两种

sensor.set_framesize(sensor.QVGA) # 将图像大小设置为QVGA (320x240)

sensor.set_windowing((240, 240)) # 设置240x240窗口。
sensor.skip_frames(time=2000) # 等待一段时间，让相机设置生效。

加载内置的人检测神经网络模型(该网络位于OpenMV Cam的固件中)。

net = tf.load('person_detection')
labels = ['unsure', 'person', 'no_person']

clock = time.clock()
while(True):
clock.tick()

img = sensor.snapshot()

# net.classify()将在图像的roi上运行网络(如果没有指定roi，则在整个图像上运行)
# 将为每个位置生成一个分类得分输出向量。
# 在每个比例下，检测窗口都以x_overlap（0-1）和y_overlap（0-1）为指导在ROI中移动。
# 如果将重叠设置为0.5，那么每个检测窗口将与前一个窗口重叠50%。
# 请注意，重叠越多，计算工作量就越大。
# 最后，对于在网络沿x/y方向滑动后的多尺度匹配，检测窗口将由scale_mul（0-1）缩小到min_scale（0-1）。
# 下降到min_scale(0-1)。例如，如果scale_mul为0.5，则检测窗口将缩小50%。
# 请注意，如果x_overlap和y_overlap较小，则在较小的比例下可以搜索更多区域...

# 默认设置只是进行一次检测...更改它们以搜索图像...
for obj in net.classify(img, min_scale=1.0, scale_mul=0.5, x_overlap=0.0, y_overlap=0.0):
    print("**********\nDetections at [x=%d,y=%d,w=%d,h=%d]" % obj.rect())
    for i in range(len(obj.output())):
        print("%s = %f" % (labels[i], obj.output()[i]))
    img.draw_rectangle(obj.rect())
    img.draw_string(obj.x()+3, obj.y()-1, labels[obj.output().index(max(obj.output()))], mono_space = False)
print(clock.fps(), "fps")

当一个大的物体包含一个小物体时，如何框出两个物体，并且输出它们的像素？ ，求大佬解答，只要解决有偿都行，谢谢！

怎样让openmv识别人体，模板匹配和深度学习可以吗

怎样就是识别一个不规则物体，并且正好用矩形框框住它（框的边界恰好包住物体），然后再输出物体宽和高的最大像素点和尺寸，在线求救，谢谢解答大佬！！

如何实现同时识别人体和人后面的矩形背景布，并且输出人和背景布的宽高和像素

@kidswong999 那要是在结合超声波测距模块可以波，

利用openmv测量人体三维和描绘人体轮廓并且具体如何实现