python+opencv实时视频目标检测

python+opencv实时视频目标检测

 

opencv环境

一、访问Python Extension Packages for Windows，下载python对应版本的opencv。

好比小编下载的是opencv_python-3.3.0+contrib-cp36-cp36m-win_amd64.whl，cp36表示Python是3.6版本，win_amd64是表示安装的python是64bit的，+contrib表示包括contrib包。

二、下载好后，把它放到C盘中，执行安装命令：

pip install C:\opencv_python-3.3.0+contrib-cp36-cp36m-win_amd64.whl

运行代码

修改

从本地获取。

# vs = VideoStream(src=0).start()# vs =cv2.VideoCapture('C:\\Users\\voidking\\Desktop\\real-time-object-detection\\test_video.flv')vs =cv2.VideoCapture('./test_video.flv')

# grab the frame from the threaded video stream and resize it# to have a maximum width of 400 pixels# frame = vs.read()# frame = imutils.resize(frame, width=400)
# grab the frame from the threaded video file stream(grabbed,frame) = vs.read()# if the frame was not grabbed, then we have reached the end# of the streamif not grabbed: breakframe = imutils.resize(frame, width=800)

运行

推荐使用命令：

python real_time_object_detection.py -p ./MobileNetSSD_deploy.prototxt.txt -m ./MobileNetSSD_deploy.caffemodel

或者，指定绝对路径，假设项目目录为C:\Users\voidking\Desktop\real-time-object-detection\，那么命令以下：

python real_time_object_detection.py -p "C:\Users\voidking\Desktop\real-time-object-detection\MobileNetSSD_deploy.prototxt.txt" -m "C:\Users\voidking\Desktop\real-time-object-detection\MobileNetSSD_deploy.caffemodel"

进阶修改

咱们看到，prototxt和model都是指定的，那咱们的视频文件也用这种方式指定，就更加友好一点。

# construct the argument parse and parse the argumentsap = argparse.ArgumentParser()ap.add_argument("-p", "--prototxt", required=True, help="path to Caffe 'deploy' prototxt file")ap.add_argument("-m", "--model", required=True, help="path to Caffe pre-trained model")ap.add_argument("-c", "--confidence", type=float, default=0.2, help="minimum probability to filter weak detections")args = vars(ap.parse_args())

咱们插入一行：

ap.add_argument("-v", "--video", required=True, help="path to Caffe video file")

而后在初始化视频流时，修改成：

vs =cv2.VideoCapture(args["video"])

 

运行命令修改成

python real_time_object_detection.py -p ./MobileNetSSD_deploy.prototxt.txt -m ./MobileNetSSD_deploy.caffemodel -v ./test_video.flv

运行效果

 

 

源码分享

 https://gitee.com/lyc96/real-time_video_target_detection

本文分享自微信公众号 - Python爬虫数据分析挖掘（zyzx3344）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。