python数据挖掘视频_python+opencv实时视频目标检测
python+opencv实时视频目标检测
opencv环境
1、访问Python Extension Packages for Windows,下载python对应版本的opencv。
比如小编下载的是opencv_python-3.3.0+contrib-cp36-cp36m-win_amd64.whl,cp36表示Python是3.6版本,win_amd64是表示安装的python是64bit的,+contrib表示包括contrib包。
2、下载好后,把它放到C盘中,执行安装命令:
pip install C:\opencv_python-3.3.0+contrib-cp36-cp36m-win_amd64.whl
运行代码
修改
从本地获取。
# vs = VideoStream(src=0).start()# vs =cv2.VideoCapture('C:\\Users\\voidking\\Desktop\\real-time-object-detection\\test_video.flv')vs =cv2.VideoCapture('./test_video.flv')# grab the frame from the threaded video stream and resize it# to have a maximum width of 400 pixels# frame = vs.read()# frame = imutils.resize(frame, width=400)# grab the frame from the threaded video file stream(grabbed,frame) = vs.read()# if the frame was not grabbed, then we have reached the end# of the streamif not grabbed:breakframe = imutils.resize(frame, width=800)
运行
推荐使用命令:
python real_time_object_detection.py -p ./MobileNetSSD_deploy.prototxt.txt -m ./MobileNetSSD_deploy.caffemodel
或者,指定绝对路径,假设项目目录为C:\Users\voidking\Desktop\real-time-object-detection\,那么命令如下:
python real_time_object_detection.py -p "C:\Users\voidking\Desktop\real-time-object-detection\MobileNetSSD_deploy.prototxt.txt" -m "C:\Users\voidking\Desktop\real-time-object-detection\MobileNetSSD_deploy.caffemodel"
进阶修改
我们看到,prototxt和model都是指定的,那我们的视频文件也用这种方式指定,就更加友好一点。
# construct the argument parse and parse the argumentsap = 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="minimum probability to filter weak detections")args = vars(ap.parse_args())
我们插入一行:
ap.add_argument("-v", "--video", required=True,help="path to Caffe video file")
然后在初始化视频流时,修改为:
vs =cv2.VideoCapture(args["video"])
运行命令修改为
python real_time_object_detection.py -p ./MobileNetSSD_deploy.prototxt.txt -m ./MobileNetSSD_deploy.caffemodel -v ./test_video.flv
运行效果
源码分享
https://gitee.com/lyc96/real-time_video_target_detection
python数据挖掘视频_python+opencv实时视频目标检测相关推荐
- python实时目标检测答案_python+opencv实时视频目标检测
opencv环境 比如小编下载的是opencv_python-3.3.0+contrib-cp36-cp36m-win_amd64.whl,cp36表示Python是3.6版本,win_amd64是表 ...
- python人头识别_python+opencv实现人头检测
python+opencv实现人头检测 python+opencv实现人头检测 前段时间琢磨了下人头检测这个功能,现在有了初步的认知和体会,下面开始讲下我在实现人头检测过程中遇到的坑和解决方法. 环境 ...
- python图片目标检测_python+opencv实现目标检测中图片怎么插入
匿名用户 1级 2018-04-17 回答 考虑的是"背景帧"与其它帧之间的差异 这种方法检测结果还是挺不错的,但是需要提前设置背景帧,如果是在室外,光线的变化就会引起误检测,还是 ...
- 深度学习 + OpenCV,Python实现实时视频目标检测
选自PyimageSearch 机器之心编译 参与:路雪.李泽南 使用 OpenCV 和 Python 对实时视频流进行深度学习目标检测是非常简单的,我们只需要组合一些合适的代码,接入实时视频,随后加 ...
- python目标检测与识别_Python 使用Opencv实现目标检测与识别的示例代码
在上章节讲述到图像特征检测与匹配 ,本章节是讲述目标检测与识别.后者是在前者的基础上进一步完善. 在本章中,我们使用HOG算法,HOG和SIFT.SURF同属一种类型的描述符.功能代码如下: impo ...
- pythonopencv目标检测_Python 使用Opencv实现目标检测与识别的示例代码
本章节是讲述目标检测与识别.后者是在前者的基础上进一步完善. 在本章中,我们使用HOG算法,HOG和SIFT.SURF同属一种类型的描述符.功能代码如下: import cv2 def is_insi ...
- 使用opencv训练目标检测模型基于cascade模型
使用opencv训练目标检测模型基于cascade模型 基于Haar特征的cascade分类器(classifiers) 是Paul Viola和 Michael Jone在2001年,论文" ...
- Python学习教程(Python学习视频_Python学些路线):Day05 总结和练习
Python学习教程(Python学习视频_Python学些路线):总结和练习 练习清单 寻找"水仙花数". 寻找"完美数". "百钱百鸡" ...
- DL之Yolov3:基于深度学习Yolov3算法实现视频目标检测之对《我要打篮球》视频段进行实时目标检测
DL之Yolov3:基于深度学习Yolov3算法实现视频目标检测之对<我要打篮球>视频段进行实时目标检测 目录 输出结果 设计思路 核心代码 相关文章 成功解决AttributeError ...
最新文章
- jmeter的两种参数化方法
- findcontours函数_opencv轮廓findContoursamp;drawContours
- python小结_python简单小结
- Spring MVC 配置--解剖
- 截取字符串,但要保证汉字不被截取半个
- PostgreSQL忘记输入where条件update更新整张表的解决办法
- MacBook Air的命令终端如何在root和普通用户之间切换
- [html] H5的Web Storage带来什么好处?
- 操作系统 —— 内存管理
- IDEA 不为人知的 5 个骚技巧!真香!
- efl是什么意思_efl
- Linux中让普通用户拥有超级用户的权限
- Atitit 数据库核心技术index索引技术 btree hash lsm fulltxt目录1.1. HASH
- 计算机系统结构概念,计算机系统结构的基本概念
- 配置管理工具SVN的使用
- Markdown表情关键字大全
- 服务器封包协议号,DHCP协议的租约确认和封包格式
- 5GHz WIFI DFS测试介绍
- Google Earth Engine(GEE)计算热度(LST)
- 最近研究NFC的总结