资源简介

含有目标检测代码和模型,需要opencv3.3以上版本,在cpu环境下运行

资源截图

代码片段和文件信息

# USAGE
# python real_time_object_detection.py --prototxt MobileNetSSD_deploy.prototxt.txt --model MobileNetSSD_deploy.caffemodel

# import the necessary packages
from imutils.video import VideoStream
from imutils.video import FPS
import numpy as np
import argparse
import imutils
import time
import cv2


# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument(“-p“ “--prototxt“default=“C:\\Users\\MY\\Desktop\\personDetect\\MobileNetSSD_deploy_0.prototxt“
help=“path to Caffe ‘deploy‘ prototxt file“)
ap.add_argument(“-m“ “--model“default=“C:\\Users\\MY\\Desktop\\personDetect\\MobileNetSSD_deploy_0.caffemodel“
help=“path to Caffe pre-trained model“)
ap.add_argument(“-v“ “--video“ default=“E:\pose-estimation\object-detection-master\test“
help=“path to Caffe video file“)
ap.add_argument(“-c“ “--confidence“ type=float default=0.2
help=“minimum probability to filter weak detections“)
args = vars(ap.parse_args())



# initialize the list of class labels MobileNet SSD was trained to
# detect then generate a set of bounding box colors for each class
‘‘‘
CLASSES = [“background“ “aeroplane“ “bicycle“ “bird“ “boat“
“bottle“ “bus“ “car“ “cat“ “chair“ “cow“ “diningtable“
“dog“ “horse“ “motorbike“ “person“ “pottedplant“ “sheep“
“sofa“ “train“ “tvmonitor“]
‘‘‘
CLASSES = [“background“ “aeroplane“ “bicycle“ “bird“ “boat“
“bottle“ “bus“ “car“ “cat“ “chair“ “cow“ “diningtable“
“dog“ “horse“ “motorbike“ “person“ “pottedplant“ “sheep“
“sofa“ “train“ “tvmonitor“]
COLORS = np.random.uniform(0 255 size=(len(CLASSES) 3))

# load our serialized model from disk
print(“[INFO] loading model...“)
net2 = cv2.dnn.readNetFromCaffe(args[“prototxt“] args[“model“])
# net2=cv2.dnn.readNetFromCaffe(“VGG_SSD_300.prototxt““VGG_SSD_300.caffemodel“)
# net2=cv2.dnn.readNetFromTensorflow(“face.pb“)
# initialize the video stream allow the cammera sensor to warmup
# and initialize the FPS counter
print(“[INFO] starting video stream...“)
#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‘)
# vs =cv2.VideoCapture(“video1.mp4“)
vs =cv2.VideoCapture(0)
time.sleep(2.0)
fps = FPS().start()

# loop over the frames from the video stream
while True:
# 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
(grabbedframe) = vs.read()
# if the frame was not grabbed then we have reached the end
# of the stream
if not grabbed:
break
frame = imutils.resize(frame width=800)
# grab the frame dimensions and convert it to a blob
(h w) = frame.shape[:2]
blob = cv2.dnn.blobFromImage(cv2.resize(frame (300 300))
0.007843 (300 300) 127.5)

# pass the blob through the network and obtain the detection

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        288  2018-05-29 10:03  personDetect\.idea\misc.xml

     文件        276  2018-05-29 10:03  personDetect\.idea\modules.xml

     文件        398  2018-05-29 10:05  personDetect\.idea\personDetect.iml

     文件       8418  2018-05-29 11:23  personDetect\.idea\workspace.xml

     文件   23147564  2018-03-29 15:47  personDetect\MobileNetSSD_deploy_0.caffemodel

     文件      29353  2018-03-29 15:47  personDetect\MobileNetSSD_deploy_0.prototxt

     文件       5378  2018-06-25 10:00  personDetect\real_time_object_detection.py

     目录          0  2018-05-29 10:05  personDetect\.idea\inspectionProfiles

     目录          0  2018-05-29 11:23  personDetect\.idea

     目录          0  2018-05-29 10:13  personDetect

----------- ---------  ---------- -----  ----

             23191675                    10


评论

共有 条评论