基于Tensorflow和Opencv的行人检测

本文主要记录在Tensorflow和Opencv环境下实现行人检测的主要步骤，特别是一些常用命令和需要用到的脚本文件，生成的模型文件等。文章主要分为以下几个部分：环境搭建、数据集生成制作、Tensoflow训练、导出模型在Opencv中实现行人检测。

 

目录

一、环境搭建... 2

1.1 tensorflow.. 2

1.2 opencv. 2

1.3下载opencv4.1.1源码... 3

1.4下载安装protoc. 3

1.5安装Tensorflow object_detection API及下载models文件... 3

1.6 下载视频数据集... 4

二、数据集生成制作... 4

2.1获取每一帧图像... 4

2.2获取标注信息... 5

2.3生成Pascal VOC2012数据集... 6

2.4生成tf record. 8

三、Tensorflow训练... 9

3.1迁移学习... 9

3.2运行训练... 10

四、导出模型在Opencv中实现行人检测... 11

4.1模型导出生成pb文件... 11

4.2 Opencv中使用tensorflow.. 11

4.3运行结果... 12

 

 

一、环境搭建

1.1 tensorflow

首先是最重要的tensorflow和opencv环境安装。已经安装好了，这里检查一下版本信息。

打开cmd，输入命令：da info –envs

可见tensorflow环境已经安装好了，再输入命令：activate tensorflow_gpu_1.12_py37

此时已进入tensorflow，我的tensorflow版本是1.12.0的GPU版本的

具体查看tensorflow版本也可用以下命令实现：

python

import tensorflow as tf

tf.__version__

1.2 opencv

同样查看opencv可用以下命令

python

import cv2 as cv

cv.__version__

可见我的opencv是4.1.1版本的。

1.3下载opencv4.1.1源码

需要注意的是，需要下载opencv4.1.1源码，在后续会用到其中的脚本文件D:\packages\opencv-4.1.1\sources\samples\dnn\tf_text_graph_ssd.py