本文介绍了在小项目中如何实现特定区域的动作检测。作者探讨了两种方法：使用TensorFlow的物体检测API和OpenCV的模板匹配。TensorFlow方案虽然能精确定位物体，但存在文件体积大、内存占用高和速度慢的问题。而OpenCV的模板匹配方案需要预定义模板，但更适用于特定场景。文章详细解析了两种方法的代码实现，并对关键函数如`np.squeeze()`、`zip()`和`np.where()`进行了解释。
还是我的小项目，如果把摄像头的每一帧都送到分类器做推理，实在是没必要，只需要把检测到动作的帧送去做推理就好了。这一步的实现参考的是 Adrian Rosebrock的两篇博文Basic motion detection and tracking with Python and OpenCV和Home surveillance and motion detection with the Raspberry Pi, Python, OpenCV, and Dropbox。进一步，摄像头的画面范围很大，并不需要检测镜头内的所有动作，我的需求中只需要检测画面中特定物体上有动作改变。为达到这个目的，我需要把这个物体所在的部分裁剪下来作为背景，然后检测这个背景上是否有动作。我尝试了两种方案。一个是利用tensorflow的objective detection API，识别并定位出这个特定的物体，然后裁剪。另一个是利用opencv的图像模板匹配函数matchTemplate()。当然还有第三种方案没来得及试，就是利用opencv的DNN模块。
先说第一种方案。首先，要找到objective detection API是如何物体定位的。在demo里，物体定位是调用下面这个函数。
vis_util.visualize_boxes_and_labels_on_image_array(
image_np,
np.squeeze(boxes),
np.squeeze(classes)
最低0.47元/天 解锁文章
扫一扫
4648
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
