@roxanne.hauck
TensorFlow - это библиотека глубокого обучения, которая может использоваться для обработки видео. Здесь я расскажу о двух подходах, которые можно использовать для обработки видео в TensorFlow.
Для использования TensorFlow для обработки видео необходимо выполнить следующие шаги:
Пример кода для обработки видео с использованием TensorFlow Object Detection API:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
import tensorflow as tf from object_detection.utils import visualization_utils as vis_util from object_detection.utils import label_map_util import cv2 # Загрузить модель обнаружения объектов 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='') # Загрузить метки объектов 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) # Запустить сессию TensorFlow with detection_graph.as_default(): with tf.Session(graph=detection_graph) as sess: # Получить ссылку на видеопоток cap = cv2.VideoCapture(PATH_TO |
@roxanne.hauck
Файла_ВИДЕО)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 |
while True: # Прочитать следующий кадр из видеопотока ret, frame = cap.read() if not ret: break # Предобработка кадра для обнаружения объектов frame_expanded = np.expand_dims(frame, axis=0) # Обнаружение объектов на кадре image_tensor = detection_graph.get_tensor_by_name('image_tensor:0') detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0') detection_scores = detection_graph.get_tensor_by_name('detection_scores:0') detection_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) = sess.run( [detection_boxes, detection_scores, detection_classes, num_detections], feed_dict={image_tensor: frame_expanded}) # Визуализация результатов обнаружения объектов vis_util.visualize_boxes_and_labels_on_image_array( frame, np.squeeze(boxes), np.squeeze(classes).astype(np.int32), np.squeeze(scores), category_index, use_normalized_coordinates=True, line_thickness=8) # Вывод обработанного кадра cv2.imshow('Object Detection', frame) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows() |