gpt4 book ai didi

python - 使用 rtsp 流时 Tensorflow 对象检测速度慢

转载 作者:太空狗 更新时间:2023-10-29 17:48:25 31 4
gpt4 key购买 nike

我按照这里的例子:https://www.youtube.com/watch?v=MoMjIwGSFVQ并使用网络摄像头进行对象检测。

但是我已经将我的网络摄像头切换为使用来自 IP 摄像机的 rtsp 流,我认为它正在流式传输 H264 现在我注意到大约有 30 秒视频滞后,而且视频有时非常停止。

这是执行主要处理的 python 代码:

import cv2
cap = cv2.VideoCapture("rtsp://192.168.200.1:5544/stream1")

# Running the tensorflow session
with detection_graph.as_default():
with tf.Session(graph=detection_graph) as sess:
ret = True
while (ret):
ret,image_np = cap.read()

# Expand dimensions since the model expects images to have shape: [1, None, None, 3]
image_np_expanded = np.expand_dims(image_np, axis=0)
image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')

# Each box represents a part of the image where a particular object was detected.
boxes = detection_graph.get_tensor_by_name('detection_boxes:0')

# Each score represent how level of confidence for each of the objects.
# Score is shown on the result image, together with the class label.
scores = detection_graph.get_tensor_by_name('detection_scores:0')
classes = detection_graph.get_tensor_by_name('detection_classes:0')
num_detections = detection_graph.get_tensor_by_name('num_detections:0')

# Actual detection.
(boxes, scores, classes, num_detections) = sess.run(
[boxes, scores, classes, num_detections],
feed_dict={image_tensor: image_np_expanded})

# Visualization of the results of a detection.
vis_util.visualize_boxes_and_labels_on_image_array(
image_np,
np.squeeze(boxes),
np.squeeze(classes).astype(np.int32),
np.squeeze(scores),
category_index,
use_normalized_coordinates=True,
line_thickness=8)

# plt.figure(figsize=IMAGE_SIZE)
# plt.imshow(image_np)
cv2.imshow('image',cv2.resize(image_np,(1280,960)))
if cv2.waitKey(25) & 0xFF == ord('q'):
cv2.destroyAllWindows()
cap.release()
break

我是 python 和 tensorflow 的新手。是否应该以任何方式修改此代码以应对 rtsp 流?我的电脑没有 GPU 卡。

最佳答案

如果没有 GPU,Tensorflow 无法以出色的 fps 处理高质量帧。在我的机器上处理一个 640*480 的帧用了将近 0.2 秒。因此它每秒可以处理大约 5 帧。

有两种方法可以让代码实时运行。

  • 降低帧分辨率
  • 降低帧数

代码

cap = cv2.VideoCapture("rtsp://192.168.200.1:5544/stream1")
cap.set(3,640) #set frame width
cap.set(4,480) #set frame height
cap.set(cv2.cv.CV_CAP_PROP_FPS, 5) #adjusting fps to 5

注意:即使在低分辨率下,Tensorflow 对象检测也表现相当不错。

体验GPU性能,floydhub提供免费GPU服务(限时)。您可以上传代码并在 floydhub 中运行并测量性能。我发现 GPU 比 CPU 快大约 35 倍。

关于python - 使用 rtsp 流时 Tensorflow 对象检测速度慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50386323/

31 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com