使用OpenCV和Python上對(duì)實(shí)時(shí)視頻流進(jìn)行深度學(xué)習(xí)目標(biāo)檢測(cè)是非常簡(jiǎn)單的，我們只需要組合一些合適的代碼，接入實(shí)時(shí)視頻，隨后加入原有的目標(biāo)檢測(cè)功能。

本文分兩個(gè)部分。在第一部分中，我們將學(xué)習(xí)如何擴(kuò)展原有的目標(biāo)檢測(cè)項(xiàng)目，使用深度學(xué)習(xí)和OpenCV將應(yīng)用范圍擴(kuò)展到實(shí)時(shí)視頻流和視頻文件中。這個(gè)任務(wù)會(huì)通過(guò)VideoStream類來(lái)完成。

深度學(xué)習(xí)目標(biāo)檢測(cè)教程：http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/

VideoStream類教程：http://www.pyimagesearch.com/2016/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class-with-opencv/

現(xiàn)在，我們將開(kāi)始把深度學(xué)習(xí)+目標(biāo)檢測(cè)的代碼應(yīng)用于視頻流中，同時(shí)測(cè)量FPS處理速度。

使用深度學(xué)習(xí)和OpenCV進(jìn)行視頻目標(biāo)檢測(cè)

為了構(gòu)建基于OpenCV深度學(xué)習(xí)的實(shí)時(shí)目標(biāo)檢測(cè)器，我們需要有效地接入攝像頭/視頻流，并將目標(biāo)檢測(cè)應(yīng)用到每一幀里。

首先，我們打開(kāi)一個(gè)新文件，將其命名為real_time_object_detection.py，隨后加入以下代碼：

我們從第2-8行開(kāi)始導(dǎo)入封包。在此之前，你需要imutils和OpenCV3.3。在系統(tǒng)設(shè)置上，你只需要以默認(rèn)設(shè)置安裝OpenCV即可（同時(shí)確保你遵循了所有Python虛擬環(huán)境命令）。

Note：請(qǐng)確保自己下載和安裝的是OpenCV3.3（或更新版本）和OpenCV-contrib版本（適用于OpenCV3.3），以保證其中包含有深度神經(jīng)網(wǎng)絡(luò)模塊。

下面，我們將解析這些命令行參數(shù)：

與此前的目標(biāo)檢測(cè)項(xiàng)目相比，我們不需要圖像參數(shù)，因?yàn)樵谶@里我們處理的是視頻流和視頻——除了以下參數(shù)保持不變：

--prototxt：Caffeprototxt文件路徑。

--model：預(yù)訓(xùn)練模型的路徑。

--confidence：過(guò)濾弱檢測(cè)的最小概率閾值，默認(rèn)值為20%。

隨后，我們初始化類列表和顏色集：

在第22-26行，我們初始化CLASS標(biāo)簽，和相應(yīng)的隨機(jī)COLORS。有關(guān)這些類的詳細(xì)信息（以及網(wǎng)絡(luò)的訓(xùn)練方式），請(qǐng)參考：http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/

現(xiàn)在，我們加載自己的模型，并設(shè)置自己的視頻流：

我們加載自己的序列化模型，提供對(duì)自己的prototxt和模型文件的引用（第30行），可以看到在OpenCV3.3中，這非常簡(jiǎn)單。

下一步，我們初始化視頻流（來(lái)源可以是視頻文件或攝像頭）。首先，我們啟動(dòng)VideoStream（第35行），隨后等待相機(jī)啟動(dòng)（第36行），最后開(kāi)始每秒幀數(shù)計(jì)算（第37行）。VideoStream和FPS類是imutils包的一部分。

現(xiàn)在，讓我們遍歷每一幀（如果你對(duì)速度要求很高，也可以跳過(guò)一些幀）：

首先，我們從視頻流中讀取一幀（第43行），隨后調(diào)整它的大?。ǖ?4行）。由于我們隨后會(huì)需要寬度和高度，所以我們?cè)诘?7行上進(jìn)行抓取。隨后將frame轉(zhuǎn)換為一個(gè)有dnn模塊的blob（第48行）。

現(xiàn)在，我們?cè)O(shè)置blob為神經(jīng)網(wǎng)絡(luò)的輸入（第52行），通過(guò)net傳遞輸入（第53行），這給我們提供了detections。

這時(shí)，我們已經(jīng)在輸入幀中檢測(cè)到了目標(biāo)，現(xiàn)在是時(shí)候看看置信度的值，以判斷我們能否在目標(biāo)周圍繪制邊界框和標(biāo)簽了：

我們首先在detections內(nèi)循環(huán)，記住一個(gè)圖像中可以檢測(cè)到多個(gè)目標(biāo)。我們還需要檢查每次檢測(cè)的置信度（即概率）。如果置信度足夠高（高于閾值），那么我們將在終端展示預(yù)測(cè)，并以文本和彩色邊界框的形式對(duì)圖像作出預(yù)測(cè)。讓我們逐行來(lái)看一下：

在detections內(nèi)循環(huán)，首先我們提取confidence值（第59行）。

如果confidence高于最低閾值（第63行），那么我們提取類標(biāo)簽索引（第67行），并計(jì)算檢測(cè)到的目標(biāo)的坐標(biāo)（第68行）。

然后，我們提取邊界框的(x,y)坐標(biāo)（第69行），之后將用于繪制矩形和文本。

我們構(gòu)建一個(gè)文本label，包含CLASS名稱和confidence（第72、73行）。

我們還要使用類顏色和之前提取的(x,y)坐標(biāo)在物體周圍繪制彩色矩形（第74、75行）。

通常，我們希望標(biāo)簽出現(xiàn)在矩形上方，但是如果沒(méi)有空間，我們將在矩形頂部稍下的位置展示標(biāo)簽（第76行）。

最后，我們使用剛才計(jì)算出的y值將彩色文本置于幀上（第77、78行）。

幀捕捉循環(huán)剩余的步驟還包括：（1）展示幀；（2）檢查quit鍵；（3）更新fps計(jì)數(shù)器：

上述代碼塊簡(jiǎn)單明了，首先我們展示幀（第81行），然后找到特定按鍵（第82行），同時(shí)檢查「q」鍵（代表「quit」）是否按下。如果已經(jīng)按下，則我們退出幀捕捉循環(huán)（第85、86行）。最后更新fps計(jì)數(shù)器（第89行）。

如果我們退出了循環(huán)（「q」鍵或視頻流結(jié)束），我們還要處理這些：

當(dāng)我們跳出（exit）循環(huán)，fps計(jì)數(shù)器停止（第92行)，每秒幀數(shù)的信息向終端輸出（第93、94行)。

我們關(guān)閉窗口（第97行），然后停止視頻流（第98行）。

如果你到了這一步，那就可以做好準(zhǔn)備用自己的網(wǎng)絡(luò)攝像頭試試看它是如何工作的了。我們來(lái)看下一部分。

實(shí)時(shí)深度學(xué)習(xí)目標(biāo)檢測(cè)的結(jié)果

為了實(shí)時(shí)深度學(xué)習(xí)目標(biāo)檢測(cè)器正常運(yùn)行，確保你使用本指南「Downloads」部分中的示例代碼和預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)。（請(qǐng)打開(kāi)原文鏈接，進(jìn)入「Downloads」部分，輸入自己的郵箱地址，獲取所需代碼和其他資料。）

打開(kāi)終端，執(zhí)行下列命令：

如果OpenCV能夠訪問(wèn)你的攝像頭，你可以看到帶有檢測(cè)到的目標(biāo)的輸出視頻幀。我對(duì)樣本視頻使用了深度學(xué)習(xí)目標(biāo)檢測(cè)，結(jié)果如下：

圖1：使用深度學(xué)習(xí)和OpenCV+Python進(jìn)行實(shí)時(shí)目標(biāo)檢測(cè)的短片。

注意深度學(xué)習(xí)目標(biāo)檢測(cè)器不僅能夠檢測(cè)到人，還能檢測(cè)到人坐著的沙發(fā)和旁邊的椅子——所有都是實(shí)時(shí)檢測(cè)到的！

總結(jié)

今天的博客中，我們學(xué)習(xí)了如何使用深度學(xué)習(xí)+OpenCV+視頻流來(lái)執(zhí)行實(shí)時(shí)目標(biāo)檢測(cè)。我們通過(guò)下列兩個(gè)教程完成了這一目標(biāo)：

1.使用深度學(xué)習(xí)和OpenCV進(jìn)行目標(biāo)檢測(cè)（http://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/）

2.在OpenCV上進(jìn)行高效、線程化的視頻流（http://www.pyimagesearch.com/2016/01/04/unifying-picamera-and-cv2-videocapture-into-a-single-class-with-opencv/）

最終結(jié)果是基于深度學(xué)習(xí)的目標(biāo)檢測(cè)器可以處理6-8個(gè)FPS的視頻（當(dāng)然，這也取決于你的系統(tǒng)速度）。

你還可以通過(guò)以下途徑進(jìn)一步提升速度：

1.跳過(guò)幀。

2.使用MobileNet的不同變體（速度更快，但是準(zhǔn)確率下降）。

3.使用SqueezeNet的量子化變體（我還未對(duì)此進(jìn)行測(cè)試，但是我想應(yīng)該會(huì)更快，因?yàn)樗木W(wǎng)絡(luò)足跡更?。?/p>