使用SSD网络模型进行Tensorflow物体检测（V1.1摄像头检测）

使用SSD网络模型进行Tensorflow物体检测?（V1.1摄像头检测）

1.模型的加载和utils库环境的配置？

​ 1.准备好ssd_mobilenet_v1网络模型的frozen_inference_graph.pb和mscoco_label_map.pbtxt文件。(文中所涉及文件和代码均已上传，链接提取码：mztu)

​ 2.配置好utils库文件以及pycache环境，将准备好的label_map_util.py和visualization_utils.py文件以及对应的label_map_util.cpython-36.pyc和visualization_utils.cpython-36.pyc复制粘贴到运行环境目录下。详细图示参考上一篇博客：使用SSD网络模型进行Tensorflow物体检测?v1.0

2.模型的导入和使用？

​ 该部分内容代码的结构可参考上一篇博客内容：使用SSD网络模型进行Tensorflow物体检测?v1.0。需要修改的地方在对摄像头的读取和显示检测结果的代码实现部分。

​ 1.拿到摄像头。

cap = cv2.VideoCapture(0)

​ 2.修改session()的循环条件，并将实时检测的结果显示在屏幕上。

   	......(取出模型的网络层代码不变)
    while True:
            ret, image_np = cap.read()
         	......(中间喂数据的代码不变)
            cv2.imshow('object detection', cv2.cvtColor(image_np, cv2.COLOR_RGB2BGR))#显示检测结果
           	                       if cv2.waitKey(25) & 0xFF == ord('q'):#按住"q"键，关闭摄像头。（然而实际测试中，我怎么按都没有反应。）
                cap.release()
                cv2.destroyAllWindows()
                break

3.–_(￣▽￣)*GIf动态效果展示