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

使用 OpenCV 和 Python 上对实时视频流进行深度学习目标检测是非常简单的，我们只需要组合一些合适的代码，接入实时视频，随后加入原有的目标检测功能。

本文分两个部分。在第一部分中，我们将学习如何扩展原有的目标检测项目，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：http://pyimagesearch/2017/09/11/object-detection-with-deep-learning-and-opencv/ VideoStream 类教程：http://pyimagesearch/2016/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class-w ith-opencv/

现在，我们将开始把深度学习+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 进行视频目标检测

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，我们打开一个新文件，将其命名为 real_time_object_detection.py，随后加入以下代码：

我们从第 2-8 行开始导入封包。在此之前，你需要 imutils 和 OpenCV 3.3。在系统设置上，你只需要以默认设置安装 OpenCV 即可（同时确保你遵循了所有 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：

与此前的目标检测项目相比，我们不需要图像参数，因为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：