PaddleHub——Windows端用轻量代码实现调用预训练模型实现目标检测

本文链接：https://blog.csdn.net/qq_45779334/article/details/110311009

因为需要做单片机课设，题目是智能风扇，试了很多传感器，都感觉风扇不够智能，所以想直接用一个人脸检测或行人检测的AI模型进行检测人的位置，然后实现风扇对人吹，如果人不在则自动关闭，实现风扇的智能化。
因为AI模型不是项目的重点，所以我不想浪费过多时间在训练模型上，所以选择了paddlehub模型库里的预训练模型完成功能。

安装PaddleHub

建议大家用python3下载使用：

pip install --upgrade paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install --upgrade paddlehub -i https://mirror.baidu.com/pypi/simple

opencv-python安装报错解决方法

如果在用python2安装paddlehub，可能会默认下载4.3版本的opencv，但是python2不支持这么高版本的，需要自行下载低版本opencv即可：

 pip install opencv-python==4.1.1.26

然后重新安装paddlehub即可。

去官网选择合适的模型

PaddleHub模型库

在本次课设中，考虑到树莓派算力有限，且对识别精度要求不是特别高，所以我选用了pyramidbox_lite_mobile模型实现人脸检测：
在这里插入图片描述

预测代码

import paddlehub as hub
import cv2
import time

def draw_bbox_image(frame, boxes):
    cv2.rectangle(frame, (boxes["left"], boxes["top"]), (boxes["right"], boxes["bottom"]), (0,255,0), 2)
    #cv2.putText(图像, 文字, (x, y), 字体, 大小, (b, g, r), 宽度)
    cv2.putText(frame, str(boxes["confidence"]), (boxes["left"], boxes["top"]-2), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0,255,0), 2)


if __name__ == "__main__":
    vedio_capter = cv2.VideoCapture(0)
    face_detector = hub.Module(name="pyramidbox_lite_mobile")
    
    while True:
        ret, frame = vedio_capter.read() 
        tim1 = time.time()
        result = face_detector.face_detection(images=[frame])
        try:
            data_dict = result[0]["data"][0]
            draw_bbox_image(frame, data_dict)
            print("data_dict:", data_dict)
        except IndexError:
            pass
        cv2.imshow("result", frame)
        tim2 = time.time()
        tim = tim2 - tim1
        print("tim", tim)
        print("result", result)
        if cv2.waitKey(1) & 0xFF == ord('q'):
                break

    vedio_capter.realse()