點擊下方“AI算法與圖像處理”,一起進步!
重磅乾貨,第一時間送達
將其與 OpenCV 等庫的圖像處理能力相結合,如今在數小時內構建實時對象檢測系統原型要容易得多。在本指南中,我們將嘗試向您展示如何開發用於簡單對象檢測應用程序的子系統,以及如何將所有這些組合在一起。
我知道你們中的一些人可能會想,爲什麼我們要使用Python,在某種程度上,它對於實時應用程序來說不是太慢了嗎。
大多數計算重操作,如預測或圖像處理,都是通過PyTrand和OpenCV來執行的,它們都使用C++在場景後面實現這些操作,因此,如果我們在這裏使用C++或Python,則不會有太大的差別。
輸入的視頻源可以是任何內容,從網絡攝像頭讀取,或解析現有視頻,或從連接到網絡的外部攝像頭。在此示例中,我們將展示如何從 youtube 或網絡攝像頭讀取視頻流。
你們可能不想出去創建新視頻,而是使用許多在線可用的視頻。在這種情況下,你們可以從 youtube 讀取視頻流。
import cv2 # opencv2 package for python.
import pafy # pafy allows us to read videos from youtube.
URL = "https://www.youtube.com/watch?v=dQw4w9WgXcQ" #URL to parse
play = pafy.new(self._URL).streams[-1] #'-1' means read the lowest quality of video.
assert play is not None # we want to make sure their is a input to read.
stream = cv2.VideoCapture(play.url) #create a opencv video stream.
當然,生產級實時應用程序比這複雜得多,但本文並不打算教授這一點。它是爲了展示 Python 的驚人力量,它使我們能夠在數小時內構建如此複雜的應用程序原型。
Github代碼鏈接:https://github.com/akash-agni
努力分享優質的計算機視覺相關內容,歡迎關注:
個人微信(如果沒有備註不拉羣!)
請註明:
地區+學校/企業+研究方向+暱稱
下載1:何愷明頂會分享
在「AI算法與圖像處理」公衆號後臺回覆:何愷明,即可下載。總共有6份PDF,涉及 ResNet、Mask RCNN等經典工作的總結分析
下載2:終身受益的編程指南:Google編程風格指南
在「AI算法與圖像處理」公衆號後臺回覆:c++,即可下載。歷經十年考驗,最權威的編程規範!
下載3 CVPR2021
在「AI算法與圖像處理」公衆號後臺回覆:
CVPR
,即可下載1467篇CVPR 2020論文 和 CVPR 2021 最新論文
點亮 ,告訴大家你也在看
本文分享自微信公衆號 - AI算法與圖像處理(AI_study)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。