openCV实战练习（5）—— 物体检测_opencv物体检测

项目Introduce：

项目名称：

在冰红茶的博客看到的这个实战，物体检测应该是对于视觉在实用性上的一门基础课，上手实践的时候做了一些小小的改动，顺利让代码跑起来了

Opencv项目实战：05 物体检测_opencv物体检测_夏天是冰红茶的博客-CSDN博客

视频转图像-cv2.VideoCapture()用法_宁然也的博客-CSDN博客

运行报错error: (-215:Assertion failed) !ssize.empty() in function ‘cv::resize‘_努力搬砖的小菜鸟的博客-CSDN博客

项目流程预览：

1.读取GIF or 调用摄像头

2.读取文件‘coco.name’（一个放了各种物体名词的文件）

3.调用库，实行匹 配

4.展示

项目与知识衔接：

Object Detection OpenCV Python  Easy and Fast (2020).jpg

ssd_mobilenet_v3_large_coco_2020_01_14.pbtxt

NMS

...

具体操作步骤以及代码：

1.读取GIF or 调用摄像头 cv2.VideoCapture()

thres = 0.45# threshold to detect object
#use nms to avoid cover and flash
nms_threshold = 0.2 #较大抑制效果
#if =1 没有效果
cap = cv2.VideoCapture(0)
cap.set(3,1280)
cap.set(4,720)
cap.set(10,150)

2.读取文件

classNames = []
classFile = 'coco.names'
with open(classFile,'rt') as f:
    classNames= f.read().rstrip('\n').split('\n')

3.调用

Object Detection OpenCV Python  Easy and Fast (2020).jpg

ssd_mobilenet_v3_large_coco_2020_01_14.pbtxt

configPath = 'ssd_mobilenet_v3_large_coco_2020_01_14.pbtxt'
weightsPath = 'frozen_inference_graph.pb'
 
net = cv2.dnn_DetectionModel(weightsPath,configPath)
net.setInputSize(320,320)
net.setInputScale(1.0/ 127.5)
net.setInputMean((127.5,127.5,127.5))
net.setInputSwapRB(True)

4.展示结果

while True:
    success,img = cap.read()
    classIds,confs,bbox = net.detect(img,confThreshold=thres)
    bbox = list(bbox)
    #bbox 本为numpy数组，后将其改为list
    confs = list(np.array(confs).reshape(1,-1)[0])
    #将内容转化为一个列表，使用np.array()是因为元组不可reshape
    confs = list(map(float,confs))
    #confs 本为float32,使用map()将float映射于confs上
    # print(type(confs[0]))
    # print(confs)
    indices = cv2.dnn.NMSBoxes(bbox, confs, thres, nms_threshold)
    print(indices)
    print(type(indices))
    for i in indices:
        print(type(i))
        # i=i[0]
        #打印（indices）的内容是[[0]]
        box = bbox[i]
        x,y,w,h = box[0],box[1],box[2],box[3]
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
        cv2.putText(img,classNames[classIds[i]-1].upper(),(box[0]+10,box[1]+30),cv2.FONT_HERSHEY_COMPLEX,1,(0,255,0),2)
        #此处classIds拥有特殊索引i,且已有[]，所以是[i]
 
    cv2.imshow("Output",img)
    if cv2.waitKey(1) & 0xFF ==27:
        break
 

项目所需要的工具以及预设参数：

关于文件调用的Github可以在冰红茶的blog里找，很详细

实现结果展示：

 

代码整体展示：

import cv2
import numpy as np
 
thres = 0.45# threshold to detect object
#use nms to avoid cover and flash
nms_threshold = 0.2 #较大抑制效果
#if =1 没有效果
cap = cv2.VideoCapture(0)
cap.set(3,1280)
cap.set(4,720)
cap.set(10,150)
 
classNames = []
classFile = 'coco.names'
with open(classFile,'rt') as f:
    classNames= f.read().rstrip('\n').split('\n')
 
# print(classNames)
configPath = 'ssd_mobilenet_v3_large_coco_2020_01_14.pbtxt'
weightsPath = 'frozen_inference_graph.pb'
 
net = cv2.dnn_DetectionModel(weightsPath,configPath)
net.setInputSize(320,320)
net.setInputScale(1.0/ 127.5)
net.setInputMean((127.5,127.5,127.5))
net.setInputSwapRB(True)
 
while True:
    success,img = cap.read()
    classIds,confs,bbox = net.detect(img,confThreshold=thres)
    bbox = list(bbox)
    #bbox 本为numpy数组，后将其改为list
    confs = list(np.array(confs).reshape(1,-1)[0])
    #将内容转化为一个列表，使用np.array()是因为元组不可reshape
    confs = list(map(float,confs))
    #confs 本为float32,使用map()将float映射于confs上
    # print(type(confs[0]))
    # print(confs)
    indices = cv2.dnn.NMSBoxes(bbox, confs, thres, nms_threshold)
    print(indices)
    print(type(indices))
    for i in indices:
        print(type(i))
        # i=i[0]
        #打印（indices）的内容是[[0]]
        box = bbox[i]
        x,y,w,h = box[0],box[1],box[2],box[3]
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,255,0),thickness=2)
        cv2.putText(img,classNames[classIds[i]-1].upper(),(box[0]+10,box[1]+30),cv2.FONT_HERSHEY_COMPLEX,1,(0,255,0),2)
        #此处classIds拥有特殊索引i,且已有[]，所以是[i]
 
    cv2.imshow("Output",img)
    if cv2.waitKey(1) & 0xFF ==27:
        break
 
    #检测物体
 
 

代码运用是上手很快的，总体运行的步骤很简单（虽然有些算法看不懂，但发觉一点就是，在出现报错的时候，我对报错类型的反应变快了，debug的效率提高了很多，感觉有在进步的。