AI学习（九）：更快速的视频中的物体检测方法

最新推荐文章于 2024-09-19 21:38:54 发布

哦吼吼231

最新推荐文章于 2024-09-19 21:38:54 发布

阅读量1k

点赞数

CC 4.0 BY-SA版权

文章标签：物体检测

本文链接：https://blog.youkuaiyun.com/weixin_44524040/article/details/88893072

本文介绍了如何通过调整代码实现视频中物体检测的加速。主要内容包括改变训练模型和标签的路径，设置检测物体种类数量，指定输入和输出视频路径。在运行程序后，经过短暂的初始化，视频处理即开始，等待片刻即可完成快速的物体检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

现在来介绍一种更快速的视频检测模型，通过前面的一些环境的配置，配置好了opencv等环境。将下面的代码进行改进，就可以得到更快速的视频检测结果了~

1代码



# coding: utf-8

# In[1]:


# By Bend_Function
# https://space.bilibili.com/275177832
# 可以放在任何文件夹下运行（前提正确配置API[环境变量]）
# 输出视频没有声音，pr可解决一切

import numpy as np
import os
import sys
import tensorflow as tf
import cv2
import time

from object_detection.utils import label_map_util
from object_detection.utils import visualization_utils as vis_util

start = time.time()
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
cv2.setUseOptimized(True)  # 加速cv

# This is needed since the notebook is stored in the object_detection folder.
sys.path.append("..")

# 可能要改的内容
######################################################
PATH_TO_CKPT = 'C:\\Machine_learning\\models-master\\research\\object_detection\\zjl_detection\\frozen_inference_graph.pb'  # 模型及标签地址
PATH_TO_LABELS = 'C:\\Machine_learning\\models-master\\research\\object_detection\\data\\zjl.pbtxt'

video_