在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

使用深度學習和OpenCV 進行視頻目標檢測

馬哥Linux運維 ? 來源:未知 ? 作者:李倩 ? 2018-10-16 15:03 ? 次閱讀

使用OpenCV和Python上對實時視頻流進行深度學習目標檢測是非常簡單的,我們只需要組合一些合適的代碼,接入實時視頻,隨后加入原有的目標檢測功能。

本文分兩個部分。在第一部分中,我們將學習如何擴展原有的目標檢測項目,使用深度學習和OpenCV將應用范圍擴展到實時視頻流和視頻文件中。這個任務會通過VideoStream類來完成。

深度學習目標檢測教程:http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/

VideoStream類教程:http://www.pyimagesearch.com/2016/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class-with-opencv/

現在,我們將開始把深度學習+目標檢測的代碼應用于視頻流中,同時測量FPS處理速度。

使用深度學習和OpenCV進行視頻目標檢測

為了構建基于OpenCV深度學習的實時目標檢測器,我們需要有效地接入攝像頭/視頻流,并將目標檢測應用到每一幀里。

首先,我們打開一個新文件,將其命名為real_time_object_detection.py,隨后加入以下代碼:

我們從第2-8行開始導入封包。在此之前,你需要imutils和OpenCV3.3。在系統設置上,你只需要以默認設置安裝OpenCV即可(同時確保你遵循了所有Python虛擬環境命令)。

Note:請確保自己下載和安裝的是OpenCV3.3(或更新版本)和OpenCV-contrib版本(適用于OpenCV3.3),以保證其中包含有深度神經網絡模塊。

下面,我們將解析這些命令行參數:

與此前的目標檢測項目相比,我們不需要圖像參數,因為在這里我們處理的是視頻流和視頻——除了以下參數保持不變:

--prototxt:Caffeprototxt文件路徑。

--model:預訓練模型的路徑。

--confidence:過濾弱檢測的最小概率閾值,默認值為20%。

隨后,我們初始化類列表和顏色集:

在第22-26行,我們初始化CLASS標簽,和相應的隨機COLORS。有關這些類的詳細信息(以及網絡的訓練方式),請參考:http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/

現在,我們加載自己的模型,并設置自己的視頻流:

我們加載自己的序列化模型,提供對自己的prototxt和模型文件的引用(第30行),可以看到在OpenCV3.3中,這非常簡單。

下一步,我們初始化視頻流(來源可以是視頻文件或攝像頭)。首先,我們啟動VideoStream(第35行),隨后等待相機啟動(第36行),最后開始每秒幀數計算(第37行)。VideoStream和FPS類是imutils包的一部分。

現在,讓我們遍歷每一幀(如果你對速度要求很高,也可以跳過一些幀):

首先,我們從視頻流中讀取一幀(第43行),隨后調整它的大小(第44行)。由于我們隨后會需要寬度和高度,所以我們在第47行上進行抓取。隨后將frame轉換為一個有dnn模塊的blob(第48行)。

現在,我們設置blob為神經網絡的輸入(第52行),通過net傳遞輸入(第53行),這給我們提供了detections。

這時,我們已經在輸入幀中檢測到了目標,現在是時候看看置信度的值,以判斷我們能否在目標周圍繪制邊界框和標簽了:

我們首先在detections內循環,記住一個圖像中可以檢測到多個目標。我們還需要檢查每次檢測的置信度(即概率)。如果置信度足夠高(高于閾值),那么我們將在終端展示預測,并以文本和彩色邊界框的形式對圖像作出預測。讓我們逐行來看一下:

在detections內循環,首先我們提取confidence值(第59行)。

如果confidence高于最低閾值(第63行),那么我們提取類標簽索引(第67行),并計算檢測到的目標的坐標(第68行)。

然后,我們提取邊界框的(x,y)坐標(第69行),之后將用于繪制矩形和文本。

我們構建一個文本label,包含CLASS名稱和confidence(第72、73行)。

我們還要使用類顏色和之前提取的(x,y)坐標在物體周圍繪制彩色矩形(第74、75行)。

通常,我們希望標簽出現在矩形上方,但是如果沒有空間,我們將在矩形頂部稍下的位置展示標簽(第76行)。

最后,我們使用剛才計算出的y值將彩色文本置于幀上(第77、78行)。

幀捕捉循環剩余的步驟還包括:(1)展示幀;(2)檢查quit鍵;(3)更新fps計數器:

上述代碼塊簡單明了,首先我們展示幀(第81行),然后找到特定按鍵(第82行),同時檢查「q」鍵(代表「quit」)是否按下。如果已經按下,則我們退出幀捕捉循環(第85、86行)。最后更新fps計數器(第89行)。

如果我們退出了循環(「q」鍵或視頻流結束),我們還要處理這些:

當我們跳出(exit)循環,fps計數器停止(第92行),每秒幀數的信息向終端輸出(第93、94行)。

我們關閉窗口(第97行),然后停止視頻流(第98行)。

如果你到了這一步,那就可以做好準備用自己的網絡攝像頭試試看它是如何工作的了。我們來看下一部分。

實時深度學習目標檢測的結果

為了實時深度學習目標檢測器正常運行,確保你使用本指南「Downloads」部分中的示例代碼和預訓練的卷積神經網絡。(請打開原文鏈接,進入「Downloads」部分,輸入自己的郵箱地址,獲取所需代碼和其他資料。)

打開終端,執行下列命令:

如果OpenCV能夠訪問你的攝像頭,你可以看到帶有檢測到的目標的輸出視頻幀。我對樣本視頻使用了深度學習目標檢測,結果如下:

圖1:使用深度學習和OpenCV+Python進行實時目標檢測的短片。

注意深度學習目標檢測器不僅能夠檢測到人,還能檢測到人坐著的沙發和旁邊的椅子——所有都是實時檢測到的!

總結

今天的博客中,我們學習了如何使用深度學習+OpenCV+視頻流來執行實時目標檢測。我們通過下列兩個教程完成了這一目標:

1.使用深度學習和OpenCV進行目標檢測(http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/)

2.在OpenCV上進行高效、線程化的視頻流(http://www.pyimagesearch.com/2016/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class-with-opencv/)

最終結果是基于深度學習的目標檢測器可以處理6-8個FPS的視頻(當然,這也取決于你的系統速度)。

你還可以通過以下途徑進一步提升速度:

1.跳過幀。

2.使用MobileNet的不同變體(速度更快,但是準確率下降)。

3.使用SqueezeNet的量子化變體(我還未對此進行測試,但是我想應該會更快,因為它的網絡足跡更小)。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • OpenCV
    +關注

    關注

    32

    文章

    642

    瀏覽量

    42446
  • 深度學習
    +關注

    關注

    73

    文章

    5554

    瀏覽量

    122494

原文標題:深度學習 + OpenCV,Python實現實時目標檢測

文章出處:【微信號:magedu-Linux,微信公眾號:馬哥Linux運維】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    如何在OpenCV中使用基于深度學習的邊緣檢測

    在這篇文章中,我們將學習如何在OpenCV中使用基于深度學習的邊緣檢測,它比目前流行的canny邊緣檢測
    的頭像 發表于 05-19 09:52 ?2375次閱讀
    如何在<b class='flag-5'>OpenCV</b>中使用基于<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的邊緣<b class='flag-5'>檢測</b>?

    如何用OpenCV的相機捕捉視頻進行人臉檢測--基于米爾NXP i.MX93開發板

    的是Haar特征人臉檢測,此外OpenCV中還集成了深度學習方法來實現人臉檢測。 【參考資料】 使用O
    發表于 11-15 17:58

    【HarmonyOS HiSpark AI Camera】基于深度學習目標檢測系統設計

    、并行處理、從目標檢測算法嵌入式平臺的實現的設計要求出發,基于深度學習目標檢測算法特點,采用軟
    發表于 09-25 10:11

    用光流法進行運動目標檢測_OpenCV3編程入門-源碼例程

    OpenCV3編程入門-源碼例程全集-用光流法進行運動目標檢測,感興趣的小伙伴們可以瞧一瞧。
    發表于 09-18 17:02 ?17次下載

    如何使用OpenCV、Python和深度學習在圖像和視頻中實現面部識別?

    Face ID 的興起帶動了一波面部識別技術熱潮。本文將介紹如何使用 OpenCV、Python 和深度學習在圖像和視頻中實現面部識別,以基于深度
    的頭像 發表于 07-17 16:20 ?8265次閱讀

    基于深度學習模型的點云目標檢測及ROS實現

    近年來,隨著深度學習在圖像視覺領域的發展,一類基于單純的深度學習模型的點云目標檢測方法被提出和應
    的頭像 發表于 11-05 16:47 ?1.8w次閱讀

    如何使用深度學習進行視頻行人目標檢測

    近年來,隨著深度學習在計算機視覺領域的廣泛應用,基于深度學習視頻運動目標
    發表于 11-19 16:01 ?22次下載
    如何使用<b class='flag-5'>深度</b><b class='flag-5'>學習</b><b class='flag-5'>進行</b><b class='flag-5'>視頻</b>行人<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>

    探究深度學習目標視覺檢測中的應用與展望

    目標視覺檢測是計算機視覺領域的一個重要問題,在視頻監控、自主駕駛、人機交互等方面具有重要的研究意義和應用價值.近年來,深度學習在圖像分類研究
    的頭像 發表于 01-13 10:59 ?6046次閱讀

    OpenCV使用深度學習做邊緣檢測的流程

    導讀 分析了Canny的優劣,并給出了OpenCV使用深度學習做邊緣檢測的流程。 在這篇文章中,我們將學習如何在
    的頭像 發表于 05-08 11:05 ?2497次閱讀
    <b class='flag-5'>OpenCV</b>使用<b class='flag-5'>深度</b><b class='flag-5'>學習</b>做邊緣<b class='flag-5'>檢測</b>的流程

    基于深度學習目標檢測研究綜述

    基于深度學習目標檢測研究綜述 來源:《電子學報》?,作者羅會蘭等 摘 要:?目標檢測是計算機視
    發表于 01-06 09:14 ?2410次閱讀
    基于<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>研究綜述

    深度學習目標檢測中的應用

    R-CNN 算法在 2014 年提出,可以說是歷史性的算法,將深度學習應用于目標檢測領域,相較于之前的目標
    的頭像 發表于 10-31 10:08 ?2224次閱讀

    簡述深度學習的基準目標檢測及其衍生算法

    基于深度學習目標檢測方法根據有無區域提案階段劃分為區域提案檢測模型和單階段檢測模型
    的頭像 發表于 02-27 15:31 ?1627次閱讀
    簡述<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的基準<b class='flag-5'>目標</b><b class='flag-5'>檢測</b>及其衍生算法

    OpenCV庫在圖像處理和深度學習中的應用

    本文深入淺出地探討了OpenCV庫在圖像處理和深度學習中的應用。從基本概念和操作,到復雜的圖像變換和深度學習模型的使用,文章以詳盡的代碼和解
    的頭像 發表于 08-18 11:33 ?1149次閱讀

    深度學習檢測目標常用方法

    深度學習的效果在某種意義上是靠大量數據喂出來的,小目標檢測的性能同樣也可以通過增加訓練集中小目標樣本的種類和數量來提升。
    發表于 03-18 09:57 ?983次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學習</b><b class='flag-5'>檢測</b>小<b class='flag-5'>目標</b>常用方法

    基于深度學習的小目標檢測

    在計算機視覺領域,目標檢測一直是研究的熱點和難點之一。特別是在小目標檢測方面,由于小目標在圖像中所占比例小、特征不明顯,使得
    的頭像 發表于 07-04 17:25 ?1904次閱讀
    主站蜘蛛池模板: 成人在线看片 | 亚洲haose在线观看 | 久久青青成人亚洲精品 | 韩国三级精品 | www.三级| 久久国产精品99精品国产987 | 成人丁香婷婷 | 口述他拿舌头进去我下面好爽 | 亚洲欧美视频一区二区 | 4hc44四虎www亚洲 | 国产精品福利一区二区亚瑟 | 永久毛片| 国产美女在线精品观看 | 免费观看激色视频网站bd | 色网站在线视频 | 国产又粗又大又爽又免费 | 天天干天天干天天干天天 | 日本大片免a费观看在线 | 99久久精品国产自免费 | 亚洲高清免费在线观看 | 1024国产看片在线观看 | 最新国产在线播放 | 色批| 色综合天天综合网看在线影院 | 天天操综合网 | 日韩精品系列产品 | 免费视频播放 | www.jizz在线观看 | 五月激情啪啪网 | 亚洲国产日韩女人aaaaaa毛片在线 | 激情五月婷婷色 | 性欧美xxxx视频在线观看 | 精品视频免费看 | 亚洲国内精品自在线影视 | 亚洲成人免费 | 九九免费久久这里有精品23 | 免费观看美女被cao视频 | 在线人成精品免费视频 | 色多多在线 | 免费一级毛片私人影院a行 免费一级毛片无毒不卡 | 夜色综合 |