将darkflow和yolo结合实现实时相机识别

最新推荐文章于 2024-03-21 17:46:38 发布

ousa^ω^

最新推荐文章于 2024-03-21 17:46:38 发布

阅读量158

点赞数

文章标签： YOLO

本文链接：https://blog.csdn.net/weixin_44412804/article/details/129953688

版权

文章讲述了在Tensorflow环境中实现摄像头识别但遇到帧率低的问题，作者尝试在PyCharm中运行程序以优化。过程中遇到了tensorflow.contrib模块缺失和tf.train.RMSPropOptimizer属性不存在的错误。通过下载tf-slim库和调整代码以适应Tensorflow新版本，最终成功解决了问题并使程序正常运行。

摘要由CSDN通过智能技术生成

在上一步中，已经实现了在tensorflow环境中的摄像头识别，但是帧率太低，只有0.5，所以这次在pycharm中运行程序，首先，在该文件下，新建一个测试.py文件

再将程序导进去

import cv2
from darkflow.net.build import TFNet
import numpy as np
import time

option = {
    'model': 'cfg/yolo.cfg',
    'load': 'bin/yolo.weights',
    'threshold': 0.3,
    'gpu': 0.7
}

tfnet = TFNet(option)

capture = cv2.VideoCapture(0)
capture.set(cv2.CAP_PROP_FRAME_WIDTH, 1920)
capture.set(cv2.CAP_PROP_FRAME_HEIGHT, 1080)
colors = [tuple(255 * np.random.rand(3)) for i in range(10)]  # 随机创建10中颜色，RGB形式
# 当视频打开时，进行处理
while capture.isOpened():
    stime = time.time()  # 计算起始时间
    ret, frame = capture.read()  # 读取每一帧，第一个参数是bool型的ret，其值为True或False，代表有没有读到图片，第二个参数是当前帧图像
    if ret:
        results = tfnet.return_predict(frame)  # 送入网络进行预测
        # 将 colors results 进行打包
        for color, result in zip(colors, results):
            tl = (result['topleft']['x'], result['topleft']['y'])
            br = (result['bottomright']['x'], result['bottomright']['y'])
            label = result['label']
            frame = cv2.rectangle(frame, tl, br, color, 3)
            frame = cv2.putText(frame, label, tl, cv2.FONT_HERSHEY_COMPLEX, 1, color, 1)
        cv2.imshow('frame', frame)  # 显示当前帧
        print('FPS {:.1f}'.format(1 / (time.time() - stime)))  # 计算帧率
        # 按 q 键退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        capture.release()
        cv2.destroyAllWindows()
        break

在运行程序中会出现No module named 'tensorflow.contrib' 的错误，参考

(26条消息) Error: No module named ‘tensorflow.contrib‘_tf slim pip_Yore_999的博客-CSDN博客

下载，替换。发现依旧报错，所以在pycharm设置中下载tf-slim文件解决。