入门指南：用Python实现实时目标检测（内附代码）

全文共6821字，预计学习时长20分钟

来源：Pexels

从自动驾驶汽车检测路上的物体，到通过复杂的面部及身体语言识别发现可能的犯罪活动。多年来，研究人员一直在探索让机器通过视觉识别物体的可能性。

 

这一特殊领域被称为计算机视觉 (Computer Vision, CV)，在现代生活中有着广泛的应用。

 

目标检测 (ObjectDetection) 也是计算机视觉最酷的应用之一，这是不容置疑的事实。

 

现在的CV工具能够轻松地将目标检测应用于图片甚至是直播视频。本文将简单地展示如何用TensorFlow创建实时目标检测器。

 

建立一个简单的目标检测器

 

设置要求：

 

TensorFlow版本在1.15.0或以上

 

执行pip install TensorFlow安装最新版本

 

一切就绪，现在开始吧！

 

设置环境

 

第一步：从Github上下载或复制TensorFlow目标检测的代码到本地计算机

在终端运行如下命令：

 

git clonehttps://github.com/tensorflow/models.git

 

第二步：安装依赖项

 

下一步是确定计算机上配备了运行目标检测器所需的库和组件。

 

下面列举了本项目所依赖的库。（大部分依赖都是TensorFlow自带的）

 

·  Cython

·  contextlib2

·  pillow

·  lxml

·  matplotlib

 

若有遗漏的组件，在运行环境中执行pip install即可。

 

第三步：安装Protobuf编译器

 

谷歌的Protobuf，又称Protocol buffers，是一种语言无关、平台无关、可扩展的序列化结构数据的机制。Protobuf帮助程序员定义数据结构，轻松地在各种数据流中使用各种语言进行编写和读取结构数据。

 

Protobuf也是本项目的依赖之一。点击这里了解更多关于Protobufs的知识。接下来把Protobuf安装到计算机上。

 

打开终端或者打开命令提示符，将地址改为复制的代码仓库，在终端执行如下命令：

 

cd models/research wget -Oprotobuf.zip https://github.com/protocolbuffers/protobuf/releases/download/v3.9.1/protoc-3.9.1-osx-x86_64.zipunzipprotobuf.zip

注意：请务必在models/research目录解压protobuf.zip文件。

 

来源：Pexels

第四步：编辑Protobuf编译器

 

从research/ directory目录中执行如下命令编辑Protobuf编译器：

 

./bin/protoc object_detection/protos/*.proto--python_out=.

 

用Python实现目标检测

 

现在所有的依赖项都已经安装完毕，可以用Python实现目标检测了。

 

在下载的代码仓库中，将目录更改为：

 

models/research/object_detection

 

这个目录下有一个叫object_detection_tutorial.ipynb的ipython notebook。该文件是演示目标检测算法的demo，在执行时会用到指定的模型：

 

ssd_mobilenet_v1_coco_2017_11_17

 

这一测试会识别代码库中提供的两张测试图片。下面是测试结果之一