上期文章，我們分享了如何使用opencv 與MobileNet SSD模型來檢測給定的圖片，有網(wǎng)友反饋能否提供一下視頻流的實時檢測代碼，其實我們在分享人臉識別的時候，分享了如何使用cv2.videoCpature 類來從視頻中實時提取視頻中的圖片，進行人臉的識別，視頻流的對象檢測跟opencv的人臉檢測一致，也可以使用cv2.videoCpature 類來從視頻中實時提取視頻中的圖片，進行圖片的對象檢測，此類代碼可以參考往期文章人工智能-Dlib+Python實現(xiàn)人臉識別

本期我們使用另外一個第三方庫imutils，首先使用pip install imutils來安裝

1 導入需要的第三方庫

2 初始化訓練模型

此部分代碼跟圖片檢測一致

#14 # 15 輸入prototxt與caffe 的模型文件地址

#17 class列表是SSD caffe檢測模型中的20個label標簽，還包括一個background

#21 針對每個label，隨機建一個顏色，以便后期檢測圖片時 ，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 初始化視頻對象

# 25 啟動攝像頭，src=0 ，默認是打開設備的默認攝像頭

# 26 延時 ，以便攝像頭打開

# 27 啟動視頻幀記錄函數(shù)

4 視頻流檢測

視頻流的對象檢測與圖片的檢測過程一致，每行代碼幾乎都有注釋，不再一一介紹

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

# 31 resize 了圖片尺寸，避免圖片太大

# 53 當檢測到對象后，通過imshow實時顯示在視頻流中

# 54-56 若輸入q 退出

# 57 視頻幀自動加1

5 end

檢測結束，我們關閉一些資源

print 每秒的視頻信息：每秒處理的視頻幀數(shù)，每幀處理的時間

每秒處理8.7幀圖片，稍微有點慢 ，若電腦配置高的話，或者使用多進程會好很多

多線程與多進程知識點，會在《每天一分鐘，python一點通》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

可以體驗不同的AI 工具

當然，你也可以導入一個視頻，讓神經(jīng)網(wǎng)絡來檢測，src=''要打開視頻的絕對地址便可

檢測完成后使用cv2的VideoWriter來保存視頻便可

vs = VideoStream(src='')

下期分享

說到了多進程，我們下期來使用此方法優(yōu)化一下代碼來提高每秒的處理

總結

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)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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