TensorFlow 目标检测

2025年3月17日 | 阅读 3 分钟

目标检测是一种在图像或视频中发现真实世界物体细节（例如汽车或自行车、电视、鲜花和人）的过程。它允许识别、定位和识别图像中的多个对象，从而使我们更好地理解图像。它用于图像检索、安全、监控和高级驾驶员辅助系统(ADAS)等应用中。

目标检测的应用

面部识别

一个名为“Deep Face”的深度学习面部识别系统由 Facebook 的一组研究人员开发，它可以非常有效地识别数字图像中的人脸。 Google Photos 会根据图片中的人物自动分离所有图片。面部识别涉及许多组件，例如脸、鼻子、嘴巴和眉毛。

工业质量检查

目标检测也用于工业过程中识别产品。通过视觉检查寻找特定对象是一项重要任务，涉及多个工业过程，如库存管理、机械加工、质量管理、包装、分拣等。

库存管理非常棘手，因为物品很难实时跟踪。自动定位和对象计数可以提高库存准确性。

自动驾驶汽车

自动驾驶汽车是未来的汽车。但幕后的工作非常棘手，因为它结合了多种技术来感知其环境，包括雷达、激光、GPS、测距仪和计算机视觉。

存在先进的控制系统，可以解释感官信息以识别适当的导航路径以及障碍物。一旦图像传感器检测到任何生物在其路径中的迹象，它就会自动停止。这种情况发生的速度很快，是朝着无人驾驶汽车迈出的一大步。

人数统计

目标检测可用于人数统计，并用于分析商店业绩或节日期间的人群人数。随着人们迅速离开画面，它往往会变得更加困难。

在人群聚集期间，这是一项关键的应用；此功能可用于多种目的。

目标检测工作流程

每个目标检测算法都在不同的教学中使用，但它们都基于相同的原则。

特征提取： 它们从手头的输入图像中提取特征，并使用这些特征来确定图片的类别。无论是通过 Mat Lab、Open CV、Viola-Jones 还是深度学习。

前提条件

Python
TensorFlow
Tensorboard
Protobuf v3.4 或更高版本

环境设置

现在，要下载 TensorFlow 和 TensorFlow GPU，我们可以使用我们在开头介绍的 pip 或 conda 命令。

完整命令

import numpy as np
import os
import zipfile
import six.moves.urllib as urllib
import sys
import tarfile
import tensorflow as tf
from collections import defaultdict
from matplotlib import pyplot as plt
from PIL import Image
from io import StringIO

 
import cv2
cap = cv2.VideoCapture(0)
 
sys.path.append("..")
from utils import visualization_utils as vis_util
from utils import label_map_util
 
MODEL_NAME = 'ssd_mobilenet_v1_coco_11_06_2017'
MODEL_FILE = MODEL_NAME + '.tar.gz'
DOWNLOAD_BASE = '<a href="http://download.tensorflow.org/models/object_detection/">http://download.tensorflow.org/models/object_detection/</a>'
 
# Here, the path to frozen detection graph. 
PATH_TO_CKPT = MODEL_NAME + '/frozen_inference_graph.pb'
 
# Here, list of the strings that are used to add a correct label for every box.
PATH_TO_LABELS = os.path.join('data', 'mscoco_label_map.pbtxt')
 
NUM_CLASSES = 90
 
opener = urllib.request.URLopener()
opener.retrieve(DOWNLOAD_BASE + MODEL_FILE, MODEL_FILE)
tar_file = tarfile.open(MODEL_FILE)
for file in tar_file.getmembers():
  file_name = os.path.basename(file.name)
  if 'frozen_inference_graph.pb' in file_name:
    tar_file.extract(file, os.getcwd())
 
detection_graph = tf.Graph()
with detection_graph.as_default():
  od_graph_def = tf.GraphDef()
  with tf.gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
    serialized_graph = fid.read()
    od_graph_def.ParseFromString(serialized_graph)
    tf.import_graph_def(od_graph_def, name='')
 
label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
categories =label_map_util.convert_label_map_to_categories(label_map, max_num_classes=NUM_CLASSES, use_display_name=True)
category_index = label_map_util.create_category_index (categories)
 
with detection_graph.as_default():
  with tf.Session(graph=detection_graph) as sess:
    while True:
     ret, image_np = cap.read()
    # Expanding the dimensions since the model expects images into the shape: [1, None, None, 3]
    image_np_expanded = np.expand_dims(image_np, axis=0)
    image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
    # Every box representing a part of the image where a particular object was detected.
    boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
    scores = detection_graph.get_tensor_by_name('detection_scores:0')
    classes = detection_graph.get_tensor_by_name('detection_classes:0')
    num_detections = detection_graph.get_tensor_by_name('num_detections:0')
    #.
    (boxes, scores, classes, num_detections) = sess.run(
      [boxes, scores, classes, num_detections],
      feed_dict={image_tensor: image_np_expanded})
    # Visualization of the results through detection.
    vis_util.visualize_boxes_and_labels_on_image_array(
image_np,
        np.squeeze(boxes),
        np.squeeze(classes).astype(np.int32),
        np.squeeze(scores),
        category_index,
        use_normalized_coordinates=True,
        line_thickness=8)
 
    cv2.imshow('object detection', cv2.resize(image_np, (800,500))) 
    if cv2.waitKey(0) & 0xFF == ord('q'):
      cv2.destroyAllWindows()
      break

输出-