上期文章，我們分享了如何使用opencv 與MobileNet SSD模型來(lái)檢測(cè)給定的圖片，有網(wǎng)友反饋能否提供一下視頻流的實(shí)時(shí)檢測(cè)代碼，其實(shí)我們?cè)诜窒砣四樧R(shí)別的時(shí)候，分享了如何使用cv2.videoCpature 類來(lái)從視頻中實(shí)時(shí)提取視頻中的圖片，進(jìn)行人臉的識(shí)別，視頻流的對(duì)象檢測(cè)跟opencv的人臉檢測(cè)一致，也可以使用cv2.videoCpature 類來(lái)從視頻中實(shí)時(shí)提取視頻中的圖片，進(jìn)行圖片的對(duì)象檢測(cè)，此類代碼可以參考往期文章人工智能-Dlib+Python實(shí)現(xiàn)人臉識(shí)別

本期我們使用另外一個(gè)第三方庫(kù)imutils，首先使用pip install imutils來(lái)安裝

1 導(dǎo)入需要的第三方庫(kù)

2 初始化訓(xùn)練模型

此部分代碼跟圖片檢測(cè)一致

#14 # 15 輸入prototxt與caffe 的模型文件地址

#17 class列表是SSD caffe檢測(cè)模型中的20個(gè)label標(biāo)簽，還包括一個(gè)background

#21 針對(duì)每個(gè)label，隨機(jī)建一個(gè)顏色，以便后期檢測(cè)圖片時(shí) ，使用不同的顏色框，以便區(qū)分

# 22 使用cv的dnn加載模型數(shù)據(jù)

3 初始化視頻對(duì)象

# 25 啟動(dòng)攝像頭，src=0 ，默認(rèn)是打開(kāi)設(shè)備的默認(rèn)攝像頭

# 26 延時(shí) ，以便攝像頭打開(kāi)

# 27 啟動(dòng)視頻幀記錄函數(shù)

4 視頻流檢測(cè)

視頻流的對(duì)象檢測(cè)與圖片的檢測(cè)過(guò)程一致，每行代碼幾乎都有注釋，不再一一介紹

主要的區(qū)別是：圖片檢測(cè)首先定義了圖片地址，視頻檢測(cè)，在視頻流中提圖片

# 31 resize 了圖片尺寸，避免圖片太大

# 53 當(dāng)檢測(cè)到對(duì)象后，通過(guò)imshow實(shí)時(shí)顯示在視頻流中

# 54-56 若輸入q 退出

# 57 視頻幀自動(dòng)加1

5 end

檢測(cè)結(jié)束，我們關(guān)閉一些資源

print 每秒的視頻信息：每秒處理的視頻幀數(shù)，每幀處理的時(shí)間

每秒處理8.7幀圖片，稍微有點(diǎn)慢 ，若電腦配置高的話，或者使用多進(jìn)程會(huì)好很多

多線程與多進(jìn)程知識(shí)點(diǎn)，會(huì)在《每天一分鐘，python一點(diǎn)通》系列教程中分享

從視頻中截取的圖片

微&信搜索：啟示AI 科技

可以體驗(yàn)不同的AI 工具

當(dāng)然，你也可以導(dǎo)入一個(gè)視頻，讓神經(jīng)網(wǎng)絡(luò)來(lái)檢測(cè)，src=''要打開(kāi)視頻的絕對(duì)地址便可

檢測(cè)完成后使用cv2的VideoWriter來(lái)保存視頻便可

vs = VideoStream(src='')

下期分享

說(shuō)到了多進(jìn)程，我們下期來(lái)使用此方法優(yōu)化一下代碼來(lái)提高每秒的處理

總結(jié)

以上是生活随笔為你收集整理的opencv 多线程_深度学习和OpenCV的对象检测(MobileNet SSD视频流实时识别)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。