睿智的目标检测21——如何调用摄像头进行目标检测

学习前言

好多人都想了解一下如何对摄像头进行调用，然后进行目标检测，于是我做了这个小BLOG。

使用到的库

opencv-python==4.1.2.30
Pillow==6.2.1
numpy==1.17.4
这些都是通用的库，版本不同问题应该也不大。

实现思路

利用opencv调用摄像头，读取每一帧传入目标检测网络检测，将检测结果呈现。
由于本文所用的检测格式为RGB格式，CV2读取的时候会使用BGR格式，因此在检测的时候要利用cv2.cvtColor进行转换。

实现代码

以Retinanet为例：

from keras.layers import Input
from retinanet import Retinanet
from PIL import Image
import numpy as np
import cv2

retinanet = Retinanet()

# 调用摄像头
capture=cv2.VideoCapture(0) 
while(True):
    # 读取某一帧
    ref,frame=capture.read()
    # 格式转变，BGRtoRGB
    frame = cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)
    # 转变成Image
    frame = Image.fromarray(np.uint8(frame))

    # 进行检测
    frame = np.array(retinanet.detect_image(frame))
    # RGBtoBGR满足opencv显示格式
    frame = cv2.cvtColor(frame,cv2.COLOR_RGB2BGR)
    cv2.imshow("video",frame)
    c= cv2.waitKey(30) & 0xff 
    if c==27:
        capture.release()
        break

retinanet.close_session()

2020/4/26更新：FPS计算

很多小伙伴说到想要获取FPS，于是给所有的目标检测网络加上了FPS的功能，需要的小伙伴请重新下载。

FPS记录的原理

FPS简单来理解就是图像的刷新频率，也就是每秒多少帧。
假设目标检测网络处理1帧要0.02s。
此时FPS就是50。

FPS实现代码

该代码以ssd为例。

#-------------------------------------#
#       调用摄像头检测
#-------------------------------------#
from ssd import SSD
from PIL import Image
import numpy as np
import cv2
import time
ssd = SSD()
# 调用摄像头
capture=cv2.VideoCapture(0) # capture=cv2.VideoCapture("1.mp4")
fps = 0.0
while(True):
    t1 = time.time()
    # 读取某一帧
    ref,frame=capture.read()
    # 格式转变，BGRtoRGB
    frame = cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)
    # 转变成Image
    frame = Image.fromarray(np.uint8(frame))

    # 进行检测
    frame = np.array(ssd.detect_image(frame))

    # RGBtoBGR满足opencv显示格式
    frame = cv2.cvtColor(frame,cv2.COLOR_RGB2BGR)

    fps  = ( fps + (1./(time.time()-t1)) ) / 2
    print("fps= %.2f"%(fps))
    frame = cv2.putText(frame, "fps= %.2f"%(fps), (0, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

    cv2.imshow("video",frame)
    c= cv2.waitKey(30) & 0xff 
    if c==27:
        capture.release()
        break