专栏首页OpenCV与AI深度学习行人检测--OpenCV与TensorFlow SSD对比

行人检测--OpenCV与TensorFlow SSD对比

OpenCV行人检测我们使用HOG特征提取+SVM训练,使用默认API检测,详细了解可参考:https://zhuanlan.zhihu.com/p/75705284

使用的测试原图:

OpenCV代码:

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread("1.jpg")
    cv2.imshow("src", img)
    hog = cv2.HOGDescriptor()
    hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
    # Detect people in the image
    (rects, weights) = hog.detectMultiScale(img,
                                            winStride=(4, 4),
                                            padding=(8, 8),
                                            scale=1.05,
                                            useMeanshiftGrouping=False)
    for (x, y, w, h) in rects:
        cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)

    cv2.imshow("people_detector", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

检测结果(不太理想):

接下来使用TensorFlow SSD训练好的模型ssd_mobilenet_v1_coco_2018_01_28进行测试,代码如下:

import os
import sys
import tarfile
import cv2
import tensorflow as tf
import numpy as np

from utils import label_map_util
from utils import visualization_utils as vis_util

# What model to download.
MODEL_NAME = 'ssd_mobilenet_v1_coco_2018_01_28'
#MODEL_FILE = 'D:/tensorflow/' + MODEL_NAME + '.tar.gz'

# Path to frozen detection graph. This is the actual model that is used for the object detection.
PATH_TO_FROZEN_GRAPH = MODEL_NAME + '/frozen_inference_graph.pb'

# List of the strings that is used to add correct label for each box.
PATH_TO_LABELS = os.path.join('D:/tensorflow/models/research/object_detection/data', 'mscoco_label_map.pbtxt')

NUM_CLASSES = 90

    
detection_graph = tf.Graph()
with detection_graph.as_default():
  od_graph_def = tf.GraphDef()
  with tf.gfile.GFile(PATH_TO_FROZEN_GRAPH, '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)
categorys = label_map_util.convert_label_map_to_categories(label_map,max_num_classes=NUM_CLASSES,use_display_name=True)
categorys_index = label_map_util.create_category_index(categorys)

with detection_graph.as_default():
  with tf.Session(graph=detection_graph) as sess:
    image = cv2.imread("./4.jpg")
    image_np_expanded = np.expand_dims(image,axis = 0)
    image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
    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})
    vis_util.visualize_boxes_and_labels_on_image_array(
      image,
      np.squeeze(boxes),
      np.squeeze(classes).astype(np.int32),
      np.squeeze(scores),
      categorys_index,
      min_score_thresh = 0.5,
      use_normalized_coordinates = True,
      line_thickness = 4  
      )
    cv2.imshow("object_detection", image)
    cv2.imwrite("result.jpg",image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

检测结果:

对比之下,TensorFlow SSD行人检测明显好于OpenCV Hog+SVM,所以后面如果你对目标检测有兴趣,可以看看深度学习相关的,比如TensorFlow目标检测相关。TensorFlow基础与应用实战高清视频教程

本文分享自微信公众号 - OpenCV与AI深度学习(Study_OpenCV_Halcon),作者:Color Space

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-11-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • TensorFlow2.x目标检测API测试代码使用演示

    TensorFlow2.x Object Detection API 的安装与配置可参考前面的两篇文章:

    Color Space
  • Python OpenCV4趣味应用系列(九)---划痕缺陷检测实例

    比如Canny边缘检测也可以,只是阈值难于调节。当然,实现方法不唯一,大家可以自己尝试一下。

    Color Space
  • Halcon转OpenCV实例--利用颜色信息提取与背景相似字符

    有时候遇到待提取的目标与背景颜色很接近,我们无法直接用阈值处理将其分割,只能尝试其他方法,今天介绍的实例就是如此。

    Color Space
  • WKWebView 那些坑

    WKWebView 是苹果在 WWDC 2014上推出的新一代 webView 组件,用以替代 UIKit 中笨重难用,本文主要讲述适配 WKWebView 过...

    QQ空间开发团队
  • Atomic包下原子类的使用,以及内部CAS的实现和原理

    上篇文章有说过 多线程环境下 进行变量属性 自增操作时会造成线程不安全的情况,也有说到 volatile 关键字,最后也不能保证线程安全,因为多线程情况下 他不...

    YanL
  • 深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件

    在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉...

    统计学家
  • 如何打造顺畅的开发流程——应对需求变化

    破解软件项目管理难题,从改变看待问题的方式开始。开发流程根据不同的项目应有不同的变化,但是团队中每个角色的责任应该是相对固定的。 一 既然屁股决定大脑,就让屁股...

    韩伟
  • android自定义View实现手势解锁

    有时候为了程序的安全性,我们经常要采取一些安全措施,就像我们常用的支付宝那样,隔一定的时间再回到应用程序时会让用户利用手势去解锁应用程序,最近由于项目需求,也要...

    砸漏
  • Hadoop学习15--编程相关

    1、新版本:mapreduce包 2、job设置: a.JobName便于调试 b.FileInputFormat.addInputPath 添加输入路径,可添...

    小端
  • 手把手教你深度学习目标检测框架 detectron2 环境搭建

    最近主要在搞深度学习方面的一些东西,所以相关的文章会多一些。当然有关于 Java 方面的文章也在积极的策划中。如果你有好的文章或者干货不妨投稿到 微信圈子 程...

    码农小胖哥

扫码关注云+社区

领取腾讯云代金券