Python3.6+Ubuntu安装OpenCV 3.2.0，在Anaconda+Spyder环境下运行BING-Objectness检测

前言

BING算法是一种能够快速生成图片中proposals的算法，由程明明老师团队在CVPR2014的论文《BING: Binarized Normed Gradients for Objectness Estimation at 300fps》中提出。由于年代较远，作者开源的代码和大部分复现代码均采用C++编写，并且算法已经被集成到了OpenCV-Contrib中，便于直接调用。利用Python调用C++库的方法较为繁琐，在GitHub上浏览过后只搜到了下面提到的一篇“在Python下调用OpenCV内嵌BING算法”的开源代码。踩了不少坑之后终于成功把代码跑起来了，所以在此做个总结。

实验代码及所需运行环境

• 实验参考代码：A Python Wrapper of OpenCV implementation of BING Objectness
• 所需运行环境：
  • CMake：参考代码给出要求大于2.8版本，实际使用3.9，避免之后与Boost库的版本冲突
  • TBB：参考代码专门列出的一项需求，但实际使用时可能包含在OpenCV配置过程
  • OpenCV：参考代码要求(>=3.0.0-dev with opencv_contrib)，这里采用3.2.0版本
  • Boost：专门用于Python调用C++库的工具，参考代码未给出版本要求，实际使用1.62.0版本
  • Boost.Numpy：参考代码同样未给出版本需求，这里需要注意与Boost版本匹配
• 其他运行环境：
  • Python版本：3.6.6
  • IDE：Anaconda Spyder
  • Ubuntu版本：16.04

环境配置步骤

CMake安装步骤：

• 方式一：apt-get安装，命令为$ sudo apt-get install cmake，但是安装的版本为3.5.1，此后发现与Boost版本不兼容，使用CMake编译时会出现类似Imported targets not available for Boost version 106502的错误，故不推荐
• 方式二：下载源码方式安装：
  $ wget https://cmake.org/files/v3.9/cmake-3.9.4.tar.gz
  解压至任意路径，并进入文件夹cmake-3.9.4路径下，
  $ cd cmake-3.9.4
$ ./bootstrap
$ make
$ sudo make install
  安装完成后运行$ cmake -version查看CMake版本，应当出现以下结果：
  
  如果出现无法找到CMake路径的错误，参考ubuntu linux 设置记录中的方法，向~/.bashrc中加入一行export