#读芯术#入门指南：用Python实现实时目标检测——内附代码
全文共6821字 ， 预计学习时长20分钟
本文插图
来源：Pexels
从自动驾驶汽车检测路上的物体 ， 到通过复杂的面部及身体语言识别发现可能的犯罪活动 。 多年来 ， 研究人员一直在探索让机器通过视觉识别物体的可能性 。
这一特殊领域被称为计算机视觉 (Computer Vision, CV) ， 在现代生活中有着广泛的应用 。
目标检测 (ObjectDetection) 也是计算机视觉最酷的应用之一 ， 这是不容置疑的事实 。
现在的CV工具能够轻松地将目标检测应用于图片甚至是直播视频 。 本文将简单地展示如何用TensorFlow创建实时目标检测器 。
建立一个简单的目标检测器
设置要求：
TensorFlow版本在1.15.0或以上
执行pip install TensorFlow安装最新版本
一切就绪 ， 现在开始吧！
设置环境
第一步：从Github上下载或复制TensorFlow目标检测的代码到本地计算机在终端运行如下命令：
-
git clonehttps://github.com/tensorflow/models.git -
- cd models/research \wget -Oprotobuf.zip https://github.com/protocolbuffers/protobuf/releases/download/v3.9.1/protoc-3.9.1-osx-x86_64.zip\unzipprotobuf.zip
- 注意：请务必在models/research目录解压protobuf.zip文件 。
-
- ./bin/protoc object_detection/protos/*.proto--python_out=.
用Python实现目标检测 -
- models/research/object_detection
-
- ssd_mobilenet_v1_coco_2017_11_17
这一测试会识别代码库中提供的两张测试图片 。 下面是测试结果之一： -
- import numpy as npimport osimport six.moves.urllib as urllibimport sysimport tarfileimport tensorflow as tfimport zipfilefrom distutils.version import StrictVersionfrom collections import defaultdictfrom io import StringIOfrom matplotlib import pyplot as pltfrom PIL import Image# This isneeded since the notebook is stored in the object_detection folder.sys.path.append("..")from utils import ops as utils_opsif StrictVersion(tf.__version__) < StrictVersion('1.12.0'): raise ImportError('Please upgrade your TensorFlow installation to v1.12.*.')
推荐阅读
- 晨株洲▲高速免费！株洲高速警察发布清明假期出行指南
- 「P40」未发布手机盘点，华为本月带来8款新机，还有一款麒麟810入门机型
- 【iphone11】降价iPhone 11、入门9，全新升级的无刘海12，果粉怎么选？
- 远程运维方案选型指南——官网可下载的ZStack私有云平台
- 「汽车大咖」平桥勤务大队两公布一提示丨清明出行指南
- 人民网：清明出行防疫指南：北京太子峪陵园 上海滨海古园热度高
- #人民网#清明节准备去祭祖？先看看这份防病养生指南
- 『绍兴体育』你要的体育消费指南来了！，绍兴首轮体育消费券4月3日开抢
- 「什么值得买」业内人总结的内存条终极选购指南—厂商篇
- 小米 入门级也有18W快充 Redmi 8A Pro登场：666元起
第二步：安装依赖项
下一步是确定计算机上配备了运行目标检测器所需的库和组件 。
下面列举了本项目所依赖的库 。 （大部分依赖都是TensorFlow自带的）
· Cython
· contextlib2
· pillow
· lxml
· matplotlib
若有遗漏的组件 ， 在运行环境中执行pip install即可 。
第三步：安装Protobuf编译器
谷歌的Protobuf ， 又称Protocol buffers ， 是一种语言无关、平台无关、可扩展的序列化结构数据的机制 。 Protobuf帮助程序员定义数据结构 ， 轻松地在各种数据流中使用各种语言进行编写和读取结构数据 。
Protobuf也是本项目的依赖之一 。 点击这里了解更多关于Protobufs的知识 。 接下来把Protobuf安装到计算机上 。
打开终端或者打开命令提示符 ， 将地址改为复制的代码仓库 ， 在终端执行如下命令：
本文插图
来源：Pexels
第四步：编辑Protobuf编译器
从research/ directory目录中执行如下命令编辑Protobuf编译器：
现在所有的依赖项都已经安装完毕 ， 可以用Python实现目标检测了 。
在下载的代码仓库中 ， 将目录更改为：
这个目录下有一个叫object_detection_tutorial.ipynb的ipython notebook 。 该文件是演示目标检测算法的demo ， 在执行时会用到指定的模型：
本文插图
要检测直播视频中的目标还需要一些微调 。 在同一文件夹中新建一个Jupyter notebook ， 按照下面的代码操作：
[1]:
