深度学习+OpenCV+python实现实时目标检测

环境安装

1. 安装Anaconda，官网链接Anaconda
2. 使用conda创建py3.6的虚拟环境，并激活使用

   	conda create -n py3.6 python=3.6   //创建
   	conda activate py3.6   //激活
   

   
3. 安装依赖numpy和imutils

   //用镜像安装
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple imutils
   

4. 安装opencv
   （1）首先下载opencv(网址：opencv)，在这里我选择的是opencv_python‑4.1.2+contrib‑cp36‑cp36m‑win_amd64.whl 。
   （2）下载好后，把它放到任意盘中（这里我放的是D盘），切换到安装目录，执行安装命令：pip install opencv_python‑4.1.2+contrib‑cp36‑cp36m‑win_amd64.whl

代码

1. 首先打开一个空文件命名为real_time_object_detection.py，加入以下代码，导入你所需要的包。

   # import the necessary packages
   from imutils.video import VideoStream
   from imutils.video import FPS
   import numpy as np
   import argparse
   import imutils
   import time
   import cv2
   

2. 我们不需要图像参数，因为在这里我们处理的是视频流和视频——除了以下参数保持不变：
   –prototxt：Caffe prototxt 文件路径。
   –model：预训练模型的路径。
   –confidence：过滤弱检测的最小概率阈值，默认值为 20%。

   # construct the argument parse and parse the arguments
   ap = argparse.ArgumentParser()
   ap.add_argument("-p", "--prototxt", required=True,
   	help="path to Caffe 'deploy' prototxt file")
   ap.add_argument("-m", "--model", required=True,
   	help="path to Caffe pre-trained model")
   ap.add_argument("-c", "--confidence", type=float, default=0.2,
   	help=