基于PaddleDetection进行视频检测

想实时检测视频中感兴趣的物体，并通过视频的方式展现出来吗？

如果答案是“想”，那么请往下看
前文讲过，如何使用PaddleDetection训练自己的数据集

那么如何将最后的检测效果以视频的形式展现出来呢？

解决思路：将视频按帧抽取存为图片，输入自己训练好的目标检测模型进行预测，将得到的物体预测框画在图片上，保存图片，最后将图片合成视频。
本文主要参考了博客https://blog.csdn.net/yzl819819/article/details/104743106
以及视频人脸检测项目https://aistudio.baidu.com/aistudio/projectdetail/757390
1.首先导出训练好的模型及训练参数，使用PaddleDetection的export_model.py

# 导出模型
!python PaddleDetection/tools/export_model.py -c PaddleDetection/configs/yolov4/yolov4_cspdarknet_voc.yml -o weights=output/yolov4_cspdarknet_voc/best_model.pdparams

得到三个文件，如图

2.将PaddleDetection中的infer.py封装为一个类inference()，用于预测单张图片

import numpy as np
import time
import cv2
import paddle.fluid as fluid
from PIL import Image
from PIL import ImageDraw
# 画图展示目标物体边界框
import matplotlib.pyplot as plt
import matplotlib.patches as patches
from matplotlib.image import imread
import math

# # 定义画矩形框的程序    
# def draw_rectangle(currentAxis,bbox, edgecolor = 'red', facecolor = 'yellow', fill=False, linestyle='-'):
#     # currentAxis，坐标轴，通过plt.gca()获取
#     # bbox，边界框，包含四个数值的list， [x1, y1, x2, y2]
#     # edgecolor，边框线条颜色
#     # facecolor，填充颜色
#     # fill, 是否填充
#     # linestype，边框线型
#     # patches.Rectangle需要传入左上角坐标、矩形区域的宽度、高度等参数
#     rect=patches.Rectangle((bbox[0], bbox[1]), bbox[2]-bbox[0]+1, bbox[3]-bbox[1]+1, linewidth=2,
#                            edgecolor=edgecolor,facecolor=facecolor,fill=fill, linestyle=linestyle)
#     currentAxis.add_patch(rect)

train_parameters = {
   
    "label_dict": {
   0:"HS",1:"DS",2:"B",3:"SMac",4:"TelP",5:"HSN",6:"DSN",7:"Number of TelP",8:"Unclear"},
    "use_gpu": True,
    "anchors": [[12, 16], [19, 36], [40, 28], [36, 75], [76, 55],[72, 146], [142, 110], [192, 243], [459, 401]],
    "a