据相关统计，2020年，我国高校毕业生达到874万人，比去年增加40万人。此外，随着新冠肺炎疫情，就业压力可想而知。
目前——IT行业，这个行业中最热门、最有前途的行业，也面临着就业压力。
原因有以下几点。
我国的大学课程教育普遍滞后。很多大学的教材内容几乎五六年都不会变，甚至有些学校的课程内容是已经被市场淘汰的落后技术和理论。
在校学习期间，都是理论知识，实践项目少，导致学生只能“纸上谈兵”。他们没有实践技能和经验，动手能力比较差。
这类缺乏实践训练的学生，很难快速融入企业快节奏的技术环境。
学生在大学期间对自己要求不高。许多学生缺乏自律，对待学习只是为了应付考试和毕业论文，缺乏对未来职业的规划。
毕业生如何改善困境？
下面这个为代码森林小哥哥写的深度学习和动态识别项目，非常适合毕业生实战练手！积累编程经验。
该代码提供了Python 2-3编程环境。基于Docker容器技术和Kubernetes技术，即时创建分布式编程实验环境。
不需要配置繁琐的编程环境。登录网站，立即开始学习之旅。您可以在几秒钟内启动云编程环境。练习你喜欢的课本和课程。把它们存储在云端——把代码实时保存到云端版本管理——训练的每一步都有迹可循。在PC端搜索代码森林，完成注册登录，选择以下课程——购买课程开始学习。
培训视频材料如下:
05:00要安装的模块如下:pip安装imutils
pip安装数量
pip安装参数解析
pip安装opencv-python
注意:需要在Python3中运行。将上面的安装命令复制到命令行进行安装，或者使用pycharm进行安装。
安装完模块后，将代码复制到pycharmIDE中运行。代码如下所示
#从_ _ future _ _ import print _ function #导入必要的包确保代码与来自imutils的兼容；object _ detection import non _ max _ suppression from imutils导入路径import numpy as NP import argprase import imutils #安装库pip在Python2.7和Python3上都安装imutils；pip-upgrade imutils更新版本大于v0.3.1importcv2 #构造参数parse并解析参数AP = Arg parse . argument parse . add _ Arg = vars)#初始化我们的行人检测器hog = cv2。HOGDescriptor #初始化方向梯度直方图描述符hog.setSVMDetector) #设置支持向量机使其成为预训练的行人检测器# hog.load#这里，我们的OpenCV行人检测器已经完全加载，我们只需要将其应用于一些图像# -。src test = ' G:/PycharmProjects/PedestrianDetection/videos/001 . MP4 ' cap = cv2。VideoCapture #打开视频文件#在图像路径上循环while): # args["images"] #加载图像并调整其大小以减少检测时间#并提高检测精度ret，Image = cap。read image = IMU ils . resize)frameforview = image . copy ' '构造了一个scale=1.05的图像金字塔，X方向和Y方向像素大小的滑动窗口scale的尺度越大，图像金字塔的层数越少，对应的检测速度越快。但是，过大的尺度会造成行人漏检。同样，如果尺度设置过小，会急剧增加图像金字塔的层数，不仅会消耗计算资源，还会急剧增加检测过程中的误报数量。这说明尺度是行人检测过程中的一个重要参数。" # detect people in the image:= hog . detect multi scale，padding =，scale = 200.05) #应用非最大值抑制方法，设置一个阈值以抑制那些重叠的边界rects = NP . array in rects])pick = non _ max _ suppression #绘制in pick的最终边界框:cv2.rectangle，，，2)# catch exception try:cv2 . im show # cv2 . im show exception as e:print break # abort并使用' q '或esck = cv2.waitkey 0xff退出(如果k = =
运行结果如下:
快来体验吧~
