多年来,研究人员一直在研究赋予机器以视觉识别和识别物体的能力的可能性。 这个特定的领域称为计算机视觉或CV,具有广泛的现代应用。
从无人驾驶汽车在道路上用于物体检测到复杂的面部和肢体语言识别(可以识别可能的犯罪或犯罪活动),CV在当今世界中有许多用途。 不可否认,对象检测还是Computer Vision最酷的应用之一。
如果您尚未开始使用Python或对OpenCV不熟悉,请参考此免费的Python备忘单 240+注释和OpenCV Python教程
当今的CV工具可以轻松地在图像甚至是实时流视频上实现对象检测。 在本文中,我们将看一下使用TensorFlow进行实时对象检测的简单演示。
设置简单的对象检测器
先决条件:
Tensorflow> = 1.15.0
通过执行pip install tensorflow安装最新版本
我们现在可以出发了!
搭建环境
步骤1.从Github下载或克隆TensorFlow对象检测代码到本地计算机中
在终端中执行以下命令:
-
git clone https://github.com/tensorflow/models.git
如果您的计算机上未安装git,则可以选择从此处下载zip文件。
步骤2.安装依赖项
下一步是确保我们拥有在计算机上运行对象检测器所需的所有库和模块。
这是项目依赖的库的列表。 (默认情况下,大多数依赖项都随Tensorflow一起提供)
- 赛顿
- contextlib2
- 枕头
- xml文件
- matplotlib
如果发现缺少任何模块,只需在您的环境中执行pip install即可安装。
步骤3.安装Protobuf编译器
Protobuf或Protocol缓冲区是Google的语言无关,平台无关的可扩展机制,用于序列化结构化数据。 它可以帮助我们定义我们希望数据的结构方式,一旦结构化,就可以轻松地使用各种语言在各种数据流之间读写结构化数据。
这也是该项目的依赖项。 您可以在此处了解有关Protobufs的更多信息。 现在,我们将在我们的机器上安装Protobuf。
前往https://github.com/protocolbuffers/protobuf/releases
选择适合您的操作系统的版本,然后复制下载链接。
打开终端或命令提示符,将目录更改为克隆的存储库