yolo_track_python
blame | 历史 | 原始文档
xuepengqiang
2020-05-26 bb5cb224c9abe4216aaa49a8287b06d9f05dab60 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

3  


™(¸]Ãã@sddlZddlZddd„ZdS)éNcCsÄt|ƒdkrgS|jtjƒ}g}|dd…df}|dd…df}|dd…df|dd…df}|dd…df|dd…df}||d||d}|dk    r¬tj|ƒ}    n


tj|ƒ}    xt|    ƒdkr¾t|    ƒd}


|    |


}|j|ƒtj||||    d|


…ƒ}tj||||    d|


…ƒ} tj||||    d|


…ƒ}tj||||    d|


…ƒ}tjd||dƒ}tjd|| dƒ}||||    d|


…}tj|    tj    |


gtj


||kƒdfƒƒ}    qºW|S)a[Suppress overlapping detections.


 


    Original code from [1]_ has been adapted to include confidence score.


 


    .. [1] http://www.pyimagesearch.com/2015/02/16/


           faster-non-maximum-suppression-python/


 


    Examples


    --------


 


        >>> boxes = [d.roi for d in detections]


        >>> scores = [d.confidence for d in detections]


        >>> indices = non_max_suppression(boxes, max_bbox_overlap, scores)


        >>> detections = [detections[i] for i in indices]


 


    Parameters


    ----------


    boxes : ndarray


        Array of ROIs (x, y, width, height).


    max_bbox_overlap : float


        ROIs that overlap more than this values are suppressed.


    scores : Optional[array_like]


        Detector confidence score.


 


    Returns


    -------


    List[int]


        Returns indices of detections that have survived non-maxima suppression.


 


    rNééé)ÚlenÚastypeÚnpÚfloatÚargsortÚappendÚmaximumÚminimumÚdeleteÚconcatenateÚwhere)ÚboxesZmax_bbox_overlapÚscoresZpickÚx1Úy1Úx2Úy2ZareaÚidxsÚlastÚiZxx1Zyy1Zxx2Zyy2ÚwÚhÚoverlap©rúND:\project\07_tracking_Re-id\04_s_yolo_tracking\lib\deep_sort\preprocessing.pyÚnon_max_suppressions6  


 


 r)N)ÚnumpyrÚcv2rrrrrÚ<module>s