在本文中，我将介绍如何在 Docker 容器中使用 Tensorflow Object-detection API 来执行实时（网络摄像头）和视频的目标检测。我使用 OpenCV 和 python3 的多任务处理库 multiprocessing、多线程库 multi-threading。我会重点描述我在搭建过程中遇到的问题，以及我的解决方案 (有些还未解决)。完整的代码在这里 my Github
转载
2024-08-19 19:16:05
70阅读
前言 目前地铁上检修螺丝后，会涂抹一种红色标记线，来代表检测完成，日后检修员就可以通过肉眼来观察螺丝是否松动，这样可以大大提高检修的效率问题。所以我们参照这个思路，通过opencv来实现螺丝是否松动检测。 正文首先我们通过目标检测算法，识别出图像中螺丝的区域。这里不实
转载
2024-01-05 23:00:12
209阅读
文章目录单张人脸关键点检测单张图像人脸检测摄像头实时关键点检测 单张人脸关键点检测定义可视化图像函数 导入三维人脸关键点检测模型 导入可视化函数和可视化样式 读取图像 将图像模型输入，获取预测结果 BGR转RGB 将RGB图像输入模型，获取预测结果 预测人人脸个数 可视化人脸关键点检测效果 绘制人来脸和重点区域轮廓线，返回annotated_image 绘制人脸轮廓、眼睫毛、眼眶、嘴唇 在三维坐
转载
2024-03-19 08:31:40
87阅读
KNN近邻分类法（k-Nearest Neighbor）是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。这个算法首先贮藏所有的训练样本，然后通过分析（包括选举，计算加权和等方式）一个新样本周围K个最近邻以给出该样本的相应值。这种方法有时候被称作“基于样本的学习”，即为了预测，我们对于给定的输入搜索最近的已知其相应的特征向量。简单说来就是从训练样本中找出K个与其最相近的样本，然后看这K个样
转载
2024-04-10 12:43:50
69阅读
目标• 理解 FAST 算法的基础• 使用 OpenCV 中的 FAST 算法相关函数进行角点检测原理我们前面学习了几个特征检测器，它们大多数效果都很好。但是从实时处理的角度来看，这些算法都不够快。一个最好例子就是 SLAM（同步定位与地图构建），移动机器人，它们的计算资源非常有限。为了解决这个问题，Edward_Rosten 和 Tom_Drummond 在 2006 年提出里 FAST 算法。
转载
2024-10-17 20:46:13
54阅读
导 读 本文主要介绍如何使用Python和OpenCV实现一个停车场空余车位实时监测系统，并包含详细步骤和源码。 背景介绍 介绍实现步骤之前，先来看看测试视频(小型停车场实时监控画面)：，时长00:28 我们的目标是实时
转载
2024-02-19 21:04:01
86阅读
#利用yolov3的模型结构和权重参数实现对物体的实时检测，正确率挺高的，其主要原理是利用神经网络去将我们的图像不断的进行处理，最后利用图像处理中的金字塔思想，做了3次采样变化，得到不同的特征图，通过用3种不同的方式进行预测，判断处最合适的预测，并将结果返回。有兴趣的可以去看看相关的论文。1.代码运行后展示不同物体的结果（使用手机的图片） 总的来说，检测的效果不错
转载
2023-12-08 13:22:42
113阅读
【参考视频网址：】https://space.bilibili.com/45151802/video（老师讲的特别好，良心推荐） 【github代码下载：】https://github.com/Seasea77/keras_small_project_19_07_26 文章目录1. 实现功能：使用keras opencv实现人脸实时检测与识别2. 文件目录3. collect_image_vide
转载
2024-02-10 14:19:40
135阅读
1.打开VS2.在顶部的菜单栏找到 工具(Tool)->扩展和更新(Extensions and Updates)3.点击右侧 联机（online）-> 搜索栏中输入 image watch在中间会出现搜索结果，点击下载即可，会弹出一个下载进度条。（这里我已经下载过了，就不再重新下载啦）4.（****很重要****）下载后不会立即安装插件，需要先关闭 vs。关闭vs后会立刻出现 一个
目的试验OpenCV的实时图像捕获实时窗口内对每一帧的图片进行处理识别视频窗口内的人脸，并用一个矩形画出来人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法，有点是简单，快速；存在的问题是人脸检测效果不好。如图3-1所示，正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现
转载
2024-03-21 21:59:14
70阅读
基于opencv的目标实时检测学习过程虽说前面已经有了一些经验，但是这里几乎是从零开始代码编写。先是写了一个简单的多线程实时定位物体坐标并显示帧率的代码（esc退出），执行效果不好，还在改进当中；之后又参考一些文章写了一个实时检测和识别物体并显示帧率的代码（q键退出）。代码一摄像头读取到的有很多帧，但是如果每一帧我们都对其做各种滤波、腐蚀、膨胀等操作，那显然计算是跟不上摄像头捕捉的速率的。 代码目
转载
2024-05-02 11:42:52
224阅读
主要实现功能：通过opencv的模块的内置的方法打开电脑摄像头，读取每一帧数据进行分析。通过界面的方式在界面里实时更新摄像头视频并且标记出人脸。效果图：代码：这部分代码可以用来检测opencv的库是否安装正常。是直接调用opencv库里面调用摄像头显示图像的方法，把摄像头得到的每一帧图像直接显示在窗口里，测试代码如下：#!/usr/bin/python3.7
# coding=utf-8
imp
转载
2023-10-10 14:15:24
247阅读
目标在本章中，我们将了解FAST算法的基础知识。我们将使用OpenCV功能对FAST算法进行探索。理论我们看到了几个特征检测器，其中很多真的很棒。但是，从实时应用程序的角度来看，它们不够快。最好的例子是计算资源有限的SLAM(同时定位和制图)移动机器人作为对此的解决方案，Edward Rosten和Tom Drummond在2006年的论文“用于高速拐角检测的机器学习”中提出了FAST(加速分段测
转载
2024-08-07 11:04:30
71阅读
初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼，这里给各位分享一个小项目，可通过摄像头实时动态查看各类图像处理的特点。0.OpenCVOpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。[1]它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，
转载
2024-03-27 20:39:17
70阅读
作者：Dt Pham编译：ronghuaiyang导读这是一个非常简单通用的pipeline，很有参考价值。在这个项目中，我使用Python和OpenCV构建了一个pipeline来检测车道线。该pipeline包含以下步骤：相机校正视角转换颜色阈值和区域掩码寻找车道像素测量车道曲线和曲率在原图像上显示结果1. 相机校正当相机在现实世界中看到3D目标并将其转换为2D图像时，就会发生图像失
转载
2024-03-21 22:24:15
72阅读
好久没发博客了，这一期间学了挺多东西的，只不过苦于学业压力没有时间整理，这回也是忙里偷闲整理出来一篇，希望喜欢！（明天就期中考咯！加油！） 标题是：Harris角点实时监测，“实时”其实就是笔者在基于对图片进行Harris角点检测的基础上，由于好奇调用
转载
2024-03-20 08:51:45
160阅读
近年来，基于人工智能的车道检测算法得到了广泛的研究。与传统的基于特征的方法相比，许多方法表现出了优越的性能。然而，当使用具有挑战性的图像时，其准确率通常仍在低80%或高90%之间，甚至更低。准确可靠的车道检测是车道保持(LK)、变道自动化(LCA)和车道偏离警告(LDW)功能的关键特性。车道检测的研究可以追溯到20世纪80年代。世纪之交后，LDW和LK已经商业化，有些车辆甚至有LCA。DARPA和
转载
2023-08-24 15:07:16
410阅读
作者|ABHISHEK SHARMA 编译|VK 来源|Analytics Vidhya 大约十年前，当谷歌的人还在试验一辆原型车时，我预见了自己的
转载
2020-06-19 12:55:00
446阅读
2评论
python+opencv入门-动手实现人脸检测任务描述本关任务：利用 openCV 对图片进行相应的处理。相关知识为了完成本关任务，你需要掌握： 1 . 人脸检测。 2 . 如何利用 openCV 实现人脸检测。人脸检测在上一关，我们已经知道如何去检测图片中人物的性别。然而，在真实项目中，我们不仅仅是需要知道图片中人物的性别，有时候还需要将图片中人脸的位置检测出来。 如上图，我们用一个方框将人脸
转载
2023-10-13 12:43:20
98阅读
目前已经有很多的基于机器学习的方法用来进行人脸面部表情分析，然而，它们中的大部分都是在公开人脸库上进行测试。这些公开库里面仅有为数不多的
原创
2024-06-28 14:32:57
56阅读
