python imageai 对象检测、对象识别

　　imageai库里面提供了目标识别，其实也可以说是目标检测，和现在很多的收集一样就是物体识别。他可以帮你识别出各种各样生活中遇见的事物。比如猫、狗、车、马、人、电脑、收集等等。

　　感觉imageai有点差就是没有返回检测目标的坐标出来，所以感觉很low，而且和计算消耗很大，耗时很大，与opencv做实时检测效果很差。不推荐使用。

　　安装imageai方法见：https://github.com/OlafenwaMoses/ImageAI

　　resnet50_coco_best_v2.1.0.h5 模型下载地址：https://github.com/fizyr/keras-retinanet/releases/

下面提供两种调用方式。

　　第一文件流调用：

 1 # coding:utf-8
 2 #  imageai下载地址：https://github.com/OlafenwaMoses/ImageAI
 3 #  resnet50_coco_best_v2.1.0.h5 模型下载地址：https://github.com/fizyr/keras-retinanet/releases/
 4 from imageai.Detection import ObjectDetection  # 导入了 ImageAI 目标检测类
 5 import os
 6 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
 7 
 8 execution_path = os.path.join(os.getcwd(),'imgData/')  # 定义了一个变量用来保存我们的 python 文件
 9 print(execution_path)
10 detector = ObjectDetection()  # 定义了目标检测类
11 detector.setModelTypeAsRetinaNet()  # 模型的类型设置为 RetinaNet
12 detector.setModelPath(os.path.join(execution_path, "resnet50_coco_best_v2.1.0.h5"))  # 将模型路径设置为 RetinaNet 模型的路径
13 detector.loadModel()  # 模型加载到的目标检测类
14 # 调用目标检测函数，解析输入的和输出的图像路径。
15 detections = detector.detectObjectsFromImage(input_image=os.path.join(execution_path, "ji.jpg"),
16                                              output_image_path=os.path.join(execution_path, "imagenew1.jpg"),input_type='file')
17 
18 for eachObject in detections:
19     print(eachObject["name"] + " : " + eachObject["percentage_probability"])  # 打印出所检测到的每个目标的名称及其概率值。
20 
21 print(detections)

　　第二种numpy数据类型调用：

 1 # coding:utf-8
 2 #  imageai下载地址：https://github.com/OlafenwaMoses/ImageAI
 3 #  resnet50_coco_best_v2.1.0.h5 模型下载地址：https://github.com/fizyr/keras-retinanet/releases/
 4 from imageai.Detection import ObjectDetection  # 导入了 ImageAI 目标检测类
 5 import cv2
 6 import os
 7 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
 8 import matplotlib.pyplot as plt
 9 
10 def targetDetection(imgArray,model_path):
11     """
12     :param imgArray: 图片数据，类型为ndarray
13     :param model_path: retinanet模型路径
14     :return:
15     """
16     path = os.path.abspath(model_path)
17     detector = ObjectDetection()  # 定义了目标检测类
18     detector.setModelTypeAsRetinaNet()  # 模型的类型设置为 RetinaNet
19     detector.setModelPath(path)  # 将模型路径设置为 RetinaNet 模型的路径
20     detector.loadModel()  # 模型加载到的目标检测类
21     # 调用目标检测函数，解析输入的和输出的图像路径。
22     detections = detector.detectObjectsFromImage(input_image=imgArray,
23                                                  input_type='array',output_type='array')
24     return detections
25 
26 data = plt.imread('./imgData/avenue.jpg')
27 model_path = ('./imgData/resnet50_coco_best_v2.0.1.h5')
28 imgInfo = targetDetection(data,model_path)
29 plt.imshow(imgInfo[0])
30 plt.show()

下面内容作为扩展，有兴趣的朋友可以试试，但是很不理想。

 1 # coding:utf-8
 2 #  imageai下载地址：https://github.com/OlafenwaMoses/ImageAI
 3 #  resnet50_coco_best_v2.1.0.h5 模型下载地址：https://github.com/fizyr/keras-retinanet/releases/
 4 from imageai.Detection import ObjectDetection  # 导入了 ImageAI 目标检测类
 5 import cv2
 6 import os
 7 os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
 8 import matplotlib.pyplot as plt
 9 
10 def targetDetection(imgArray,model_path):
11     """
12     :param imgArray: 图片数据，类型为ndarray
13     :param model_path: retinanet模型路径
14     :return:
15     """
16     path = os.path.abspath(model_path)
17     detector = ObjectDetection()  # 定义了目标检测类
18     detector.setModelTypeAsRetinaNet()  # 模型的类型设置为 RetinaNet
19     detector.setModelPath(path)  # 将模型路径设置为 RetinaNet 模型的路径
20     detector.loadModel()  # 模型加载到的目标检测类
21     # 调用目标检测函数，解析输入的和输出的图像路径。
22     detections = detector.detectObjectsFromImage(input_image=imgArray,
23                                                  input_type='array',output_type='array')
24     return detections
25 
26 # data = plt.imread('./imgData/avenue.jpg')
27 # model_path = ('./imgData/resnet50_coco_best_v2.0.1.h5')
28 # imgInfo = targetDetection(data,model_path)
29 # plt.imshow(imgInfo[0])
30 # plt.show()
31 
32 
33 if __name__=='__main__':
34     # 获取摄像头0表示第一个摄像头
35     model_path = ('./imgData/resnet50_coco_best_v2.0.1.h5')
36     cap = cv2.VideoCapture(0)
37     while (True):  # 逐帧显示
38         ret, img = cap.read() # 强调img是ndarray类型的。
39         imgData=targetDetection(img,model_path)
40         cv2.imshow('image',imgData[0])
41         if cv2.waitKey(1) & 0xFF == ord(' '):
42             break
43     cap.release()  # 释放摄像头
44     cv2.destroyAllWindows()  # 释放窗口资源

打开本地摄像头进行实时检测

 

转载于:https://www.cnblogs.com/wuzaipei/p/9696601.html