将PHP函数转换为Python
我正在尝试将下面的PHP函数移植到Python。但是，我收到了以下错误：detectOnSubImage中的第189行 rect=rects[i_rect] 索引器：列表索引超出范围 Rects接收位于当前_节点[1]的列表 rects=当前_节点[1] while循环不会超出列表矩形的长度范围将PHP函数转换为Python,php,python,Php,Python,我正在尝试将下面的PHP函数移植到Python。但是，我收到了以下错误：detectOnSubImage中的第189行 rect=rects[i_rect] 索引器：列表索引超出范围 Rects接收位于当前_节点[1]的列表 rects=当前_节点[1] while循环不会超出列表矩形的长度范围 while i_rect < len(rects): i_rect = i_rect+1 rect = rects[i_rect] 而i_rec
while i_rect < len(rects):
i_rect = i_rect+1
rect = rects[i_rect]
而i_rect受保护功能检测子映像（$x、$y、$scale、$ii、$ii2、$w、$iiw、$inv\U区域）
{
$inv_面积”；
$mean=（$ii[（$y+$w）*$iiw+$x+$w]+$ii[$y*$iiw+$x]-$ii[（$y+$w）*$iiw+$x]-$ii[$y*$iiw+$x+$w]）*$inv\U区域；
$vnorm=（$ii2[（$y+$w）*$iiw+$x+$w]
+$ii2[$y*$iiw+$x]
-$ii2[（$y+$w）*$iiw+$x]
-$ii2[$y*$iiw+$x+$w]）*$inv_面积-（$MEANT*$MEANT）；
$vnorm=$vnorm>1？sqrt（$vnorm）：1；
$passed=true；
对于（$i_stage=0；$i_stagedetection_data）；$i_stage++）{
$stage=$this->detection_data[$i_stage]；
$trees=$stage[0]；
$stage_thresh=$stage[1]；
$stage_sum=0；
对于（$i_tree=0；$i_tree>0；
$ry=（$rect[1]*$s+$y）>>0；
$rw=（$rect[2]*$s）>>0；
$rh=（$rect[3]*$s）>>0；
$wt=$rect[4]；
$r_总和=（$ii[（$ry+$rh）*$iiw+$rx+$rw]
+$ii[$ry*$iiw+$rx]
-$ii[（$ry+$rh）*$iiw+$rx]
-$ii[$ry*$iiw+$rx+$rw]）*$wt；
$rect_sum+=$r_sum；
}
$rect_sum*=$inv_面积；
$current_node=null；
如果（$rect\u sum>=$node\u thresh*$vnorm）{
如果（$rightidx==-1）{
$tree_sum=$rightval；
}否则{
$current_node=$tree[$rightidx]；
}
}否则{
如果（$leftidx==-1）{
$tree_sum=$leftval；
}否则{
$current_node=$tree[$leftidx]；
}
}
}
$stage\u sum+=$tree\u sum；
}
如果（$stage\u sum<$stage\u thresh）{
返回false；
}
}
返回true；
}
}
def检测子图像（自身、x、y、比例、ii、ii2、w、iiw、inv_区域）：
平均值=（ii[（y+w）*iiw+x+w]+ii[y*iiw+x]-ii[（y+w）*iiw+x]-ii[y*iiw+x+w]）*inv\u面积
vnorm=（ii2[（y+w）*iiw+x+w]+ii2[y*iiw+x]-ii2[（y+w）*iiw+x]-ii2[y*iiw+x+w]）*投资面积-（平均值*平均值）
如果vnorm>1，则vnorm=sqrt（vnorm），否则为1
#var foo=（测试）？“真”：“假”；
#foo=“True”如果测试结果为“False”
通过=正确
#对于X范围内的i_级（0，i_级<（len（自检测数据）），i_级=i_级+1）：
i_阶段=0
当i_阶段>0
ry=（rect[1]*s+y）>>0
rw=（rect[2]*s）>>0
右=（矩形[3]*s）>>0
wt=rect[4]
r_和=（ii[（ry+rh）*iiw+rx+rw]+ii[ry*iiw+rx]-ii[（ry+rh）*iiw+rx]-ii[ry*iiw+rx+rw]）*wt
rect\u sum=rect\u sum+r\u sum
rect\u sum=rect\u sum*inv\u区域
当前节点=无
如果（rect\u sum>=节点阈值*vnorm）：
如果（rightidx==-1）：
tree_sum=rightval
其他：
当前_节点=树[rightidx]
其他：
如果（leftidx==-1）：
tree_sum=leftval
其他：
当前_节点=树[leftidx]
阶段总和=阶段总和+树总和
如果（阶段总和<阶段阈值）：
返回错误
返回真值
排列
protected function detectOnSubImage($x, $y, $scale, $ii, $ii2, $w, $iiw, $inv_area)
{
$inv_area";
$mean = ($ii[($y+$w)*$iiw + $x + $w] + $ii[$y*$iiw+$x] - $ii[($y+$w)*$iiw+$x] - $ii[$y*$iiw+$x+$w])*$inv_area;
$vnorm = ($ii2[($y+$w)*$iiw + $x + $w]
+ $ii2[$y*$iiw+$x]
- $ii2[($y+$w)*$iiw+$x]
- $ii2[$y*$iiw+$x+$w])*$inv_area - ($mean*$mean);
$vnorm = $vnorm > 1 ? sqrt($vnorm) : 1;
$passed = true;
for ($i_stage = 0; $i_stage < count($this->detection_data); $i_stage++) {
$stage = $this->detection_data[$i_stage];
$trees = $stage[0];
$stage_thresh = $stage[1];
$stage_sum = 0;
for ($i_tree = 0; $i_tree < count($trees); $i_tree++) {
$tree = $trees[$i_tree];
$current_node = $tree[0];
$tree_sum = 0;
while ($current_node != null) {
$vals = $current_node[0];
$node_thresh = $vals[0];
$leftval = $vals[1];
$rightval = $vals[2];
$leftidx = $vals[3];
$rightidx = $vals[4];
$rects = $current_node[1];
$rect_sum = 0;
for ($i_rect = 0; $i_rect < count($rects); $i_rect++) {
$s = $scale;
$rect = $rects[$i_rect];
$rx = ($rect[0]*$s+$x)>>0;
$ry = ($rect[1]*$s+$y)>>0;
$rw = ($rect[2]*$s)>>0;
$rh = ($rect[3]*$s)>>0;
$wt = $rect[4];
$r_sum = ($ii[($ry+$rh)*$iiw + $rx + $rw]
+ $ii[$ry*$iiw+$rx]
- $ii[($ry+$rh)*$iiw+$rx]
- $ii[$ry*$iiw+$rx+$rw])*$wt;
$rect_sum += $r_sum;
}
$rect_sum *= $inv_area;
$current_node = null;
if ($rect_sum >= $node_thresh*$vnorm) {
if ($rightidx == -1) {
$tree_sum = $rightval;
} else {
$current_node = $tree[$rightidx];
}
} else {
if ($leftidx == -1) {
$tree_sum = $leftval;
} else {
$current_node = $tree[$leftidx];
}
}
}
$stage_sum += $tree_sum;
}
if ($stage_sum < $stage_thresh) {
return false;
}
}
return true;
}
}
def detectOnSubImage(self, x, y, scale, ii, ii2, w, iiw, inv_area):
mean = (ii[(y+w)*iiw + x + w] + ii[y*iiw+x] - ii[(y+w)*iiw+x] - ii[y*iiw+x+w])*inv_area
vnorm = (ii2[(y+w)*iiw + x + w] + ii2[y*iiw+x] - ii2[(y+w)*iiw+x] - ii2[y*iiw+x+w])*inv_area - (mean*mean)
vnorm = sqrt(vnorm) if vnorm > 1 else 1
#var foo = (test) ? "True" : "False";
#foo = "True" if test else "False"
passed = True
#for i_stage in xrange(0, i_stage < (len(self.detection_data)), i_stage= i_stage+1):
i_stage=0
while i_stage < len(self.detection_data):
i_stage= i_stage+1
stage = self.detection_data[i_stage]
trees = stage[0]
stage_thresh = stage[1]
stage_sum = 0
#for i_tree in xrange( 0, i_tree < len(trees), i_tree= i_tree+1):
i_tree=0
while i_tree < len(trees):
i_tree= i_tree+1
tree = trees[i_tree]
current_node = tree[0]
tree_sum = 0
while (current_node != None):
vals = current_node[0]
node_thresh = vals[0]
leftval = vals[1]
rightval = vals[2]
leftidx = vals[3]
rightidx = vals[4]
rects = current_node[1]
rect_sum = 0
#for i_rect in xrange(0, i_rect < len(rects), i_rect = i_rec+1):
i_rect = 0
while i_rect < len(rects):
i_rect = i_rect+1
s = scale
rect = rects[i_rect]
rx = (rect[0]*s+x)>>0
ry = (rect[1]*s+y)>>0
rw = (rect[2]*s)>>0
rh = (rect[3]*s)>>0
wt = rect[4]
r_sum = (ii[(ry+rh)*iiw + rx + rw] + ii[ry*iiw+rx] - ii[(ry+rh)*iiw+rx] - ii[ry*iiw+rx+rw])*wt
rect_sum = rect_sum + r_sum
rect_sum = rect_sum * inv_area
current_node = None
if (rect_sum >= node_thresh*vnorm):
if (rightidx == -1):
tree_sum = rightval
else:
current_node = tree[rightidx]
else:
if (leftidx == -1):
tree_sum = leftval
else:
current_node = tree[leftidx]
stage_sum = stage_sum + tree_sum
if (stage_sum < stage_thresh):
return false
return True