opencv物体检测记录

本文将opencv中的dnn模块下的SSD检测方法的使用过程作以记录

opencv官方上月发布了3.4.1版本,主要的亮点就是扩展了dnn模块,从3.2版本开始,dnn模块支持caffe、TensorFlow、torch三种深度学习框架。也可以自己写网络层,读取网络结构和已经训练好的模型。

目前,caffe模型能检测20类物体,TensorFlow模型能检测90类物体。

SSD方法详情参见:https://github.com/weiliu89/caffe/tree/ssd

准备工作:

caffe模型下载地址:https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6

TensorFlow模型下载地址: http://download.tensorflow.org/models/object_detection/ssd_mobilenet_v1_coco_11_06_2017.tar.gz

示例地址:https://github.com/opencv/opencv/blob/master/samples/dnn/mobilenet_ssd_accuracy.py

旧版示例地址: https://github.com/opencv/opencv/blob/e4aa39f9e5a528bfe64b97126489b06c954e60ab/samples/dnn/mobilenet_ssd_python.py


我使用的是旧版示例中的代码,新版代码还没研究过,感兴趣的可以研究一下。

代码运行以后检测结果包含一下几项:

1.物体的类型id

2.物体类型的得分,这里可以设置一个阈值来保证检测物体的准确性

3.物体在图片中所在的位置

结果处理:

可以用opencv把物体框出来,或者把物体直接保存为单独的图像,总之按自己的场景处理结果


网友评论

3条评论

发表

网友评论

3条评论

发表

最新评论

04月23日 11:55

wanglei 4 0

给你82分,其他的分数以666的形式给你,一点都不怕你骄傲。。

03月31日 22:28

推荐文章

彩龙

Copyright © 2008-2019 彩龙社区(http://www.clzg.cn) 版权所有 All Rights Reserved.

免责声明: 本网不承担任何由内容提供商提供的信息所引起的争议和法律责任。

经营许可证编号:滇B2-20090009-7

下载我家昆明APP 下载彩龙社区APP