使用深度学习和OpenCV进行视频目标检测

《使用深度学习和OpenCV进行视频目标检测》由会员分享，可在线阅读，更多相关《使用深度学习和OpenCV进行视频目标检测（1页珍藏版）》请在金锄头文库上搜索。

1、使用深度学习和 OpenCV进展视频目标检测使用 OpenCV 和 Python 上对实时视频流进展深度学习目标检测是格外简洁的，我们只需要组合一些适宜的代码，接入实时视频，随后参加原有的目标检测功能。本文分两个局部。 在第一局部中， 我们将学习如何扩展原有的目标检测工程， 使用深度学习 和OpenCV 将 应 用 范 围 扩 展 到 实 时 视 频 流 和 视 频 文 件 中 。 这 个 任 务 会 通过 VideoStream 类来完成。深度学习目标检测教程： :/pyimagesearch/2021/09/11/object-detection-with-deep-learning-an

2、d-opencv/ VideoStream类教程： :/pyimagesearch/2021/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class ith-opencv/现在，我们将开头把深度学习 +目标检测的代码应用于视频流中， 同时测量 FPS 处理速度。使用深度学习和 OpenCV 进展视频目标检测为了构建基于 OpenCV 深度学习的实时目标检测器，我们需要有效地接入摄像头 /视频流，并将目标检测应用到每一帧里。首先，我们翻开一个新文件，将其命名为 real_time_object_detection.，py随后参加以下代码：我们从第 2-8行开头导入封包。在此之前，你需要 imutil和s OpenCV 3.3 。在系统设置上，你只需要以默认设置安装 OpenCV即可同时确保你遵循了全部 Python 虚拟环境命令。Note： 请确保自己下载和安装的是 OpenCV 3.3 或更新版本 和 OpenCV-contrib 版本适用于OpenCV 3.3 ，以保证其中包含有深度神经网络模块。下面，我们将解析这些命令行参数：与此前的目标检测工程相比， 我们不需要图像参数，由于在这里我们处理的是视频流和视频除了以下参数保持不变：