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）。