如何利用Raspberry Pi和TensorFlow进行实时对象检测

风筝

在本篇文章中，我们将主要介绍在Raspberry Pi使用机器学习程序TensorFlow和OpenCV设置图像和视频分类。我们将从对图像进行基本的对象检测开始，然后进一步介绍实时对象检测。

如何设置Tensorflow、OpenCV和NumPy

在继续之前，请确保已在Raspberry Pi上正确安装TensorFlow。

您还需要OpenCV在输出上显示帧。在Raspberry Pi的终端中键入以下命令以安装所需的软件包：

1. sudo apt install libatlas3-base libsz2 libharfbuzz0b libtiff5 libjasper1 libilmbase12 libopenexr22 libilmbase12 libgstreamer1.0-0 libavcodec57 libavformat57 libavutil55 libswscale4 libqtgui4 libqt4-test libqtcore4

复制代码

然后输入以下命令以在Raspberry Pi上安装适用于Python 3的OpenCV 3。在此命令中包含Pip3允许OpenCV为Python 3安装。

1. sudo pip3 install opencv-contrib-python libwebp6

复制代码

本文所需的最后一个库是NumPy。 NumPy是一个库，可以很轻松地在Python中执行数组操作。请输入以下命令进行安装。

1. Pip3 install python-numpy

复制代码

安装图像分类器

要安装图像分类器，首先创建一个新目录，我们将在其中保存TensorFlow模型。

1. mkdir tensorflow
   
2. cd tensorflow

复制代码

现在我们可以在新目录中克隆TensorFlow模型存储库。git克隆可以在GitHub上找到。

1. cd /home/pi/tensorflow/models/research/object_detection

复制代码

我们需要从Github下载protobuf并将其解压缩到object_detection文件夹中，然后将proto.exe从bin目录放置到object_detection文件夹中。

1. protoc protos/*.proto --python_out=

复制代码

如何检测图像中的对象

目前有一个Jupyter笔记可以读取图像并检测对象，我更改了此代码，使用OpenCV替代了Matplotlib，因为OpenCV的速度比matplotlib快。

在本文末尾处的名为Object Detection的zip文件中的代码将检测object_detection / test_images文件夹中存在的图像中的对象。代码中的注释说明了一切工作原理。

将该代码复制到object_detection目录中的文件中，并将文件命名为“objectDetection.py”。

要运行代码，请输入：

1. python3 objectDetection.py

复制代码

在要检测对象的文件夹中添加更多图像。

将其他图像添加到对象检测器。

添加更多图像，图像检测器可以进行更准确的物体检测！

实时对象检测

现在，让我们编写使用OpenCV来一帧一帧地执行对象检测的代码。

Raspberry Pi的帧速率太慢，因为它需要大量的处理能力，并且Raspberry Pi的功能还不够强大，因此启动代码将花费很长时间。

我们将对上一个示例中使用的代码进行一些更改，以使其实时运行。

我们将添加照相机对象，这将有助于我们在Raspberry Pi上访问照相机。

1. cap = cv2.VideoCapture(0)

复制代码

我们不需要将图像转换为NumPy数组，因为OpenCV会为我们解决这一问题。

1. while True:
   
2. ret, image_np = cap.read()

复制代码

在检测到视频帧中的对象之后，我们可以在输出窗口中显示它们，然后等待一段时间，判断任何键按下。如果按“ q”键，则程序关闭。否则，程序将拍摄另一帧并再次执行对象检测。程序一直运行，直到按“ q”为止。

1. cv2.imshow('object detection', cv2.resize(image_np, (800,600)))
   
2.         if cv2.waitKey(1) == ord('q'):
   
3.           cv2.destroyAllWindows()
   
4.           break

复制代码

此部分的完整代码也在下面给出。将代码保存在文件中，并将其命名为“ objectDetection1.py”。以下命令运行代码。

1. python3 objectDetection1.py

复制代码

现在，该程序已关闭并运行了实时对象检测。

以下是本文使用的完整代码： Real-time Object Detection Raspberry Pi Code.rar (1.47 KB, 下载次数: 7)

2019-12-23 22:07 上传

点击文件名下载附件

Object Detection Code for Tensorflow and Raspberry Pi.rar (3.03 KB, 下载次数: 8)

2019-12-23 22:07 上传

点击文件名下载附件